SIGNO DE INTERCALACIÓN. Relación entre la división de datos y trainControl

He leído cuidadosamente elSIGNO DE INTERCALACIÓN documentación en:http://caret.r-forge.r-project.org/training.html, las viñetas, y todo está bastante claro (¡los ejemplos en el sitio web ayudan mucho!), pero todavía estoy confundido acerca de la relación entre dos argumentos paratrainControl:

method 
index

y la interacción entretrainControl y las funciones de división de datos en caret (por ejemplo,createDataPartition, createResample, createFolds ycreateMultiFolds)

Para encuadrar mejor mis preguntas, permítame usar el siguiente ejemplo de la documentación:

data(BloodBrain)
set.seed(1)
tmp <- createDataPartition(logBBB,p = .8, times = 100)
trControl = trainControl(method = "LGOCV", index = tmp)
ctreeFit <- train(bbbDescr, logBBB, "ctree",trControl=trControl)

Mis preguntas son:

Si yo usocreateDataPartition (lo cual supongo que hace un bootstrapping estratificado), como en el ejemplo anterior, y paso el resultado comoindex atrainControl necesito usarLGOCV como el metodo en mi llamadatrainControl? Si uso otro (por ejemplo,cv) ¿Qué diferencia haría? En mi cabeza, una vez que lo arregles.index, esencialmente estás eligiendo el tipo de validación cruzada, así que no estoy seguro de qué rolmethod juega si usasindex.

Cuál es la diferencia entrecreateDataPartition ycreateResample? Es esocreateDataPartition hace estratificado bootstrapping, mientras quecreateResample no?

3) como puedo hacerestratificado ¿K-fold (por ejemplo, 10 veces) validación cruzada usando caret? ¿Lo siguiente lo haría?

tmp <- createFolds(logBBB, k=10, list=TRUE,  times = 100)
trControl = trainControl(method = "cv", index = tmp)
ctreeFit <- train(bbbDescr, logBBB, "ctree",trControl=trControl)

Respuestas a la pregunta(1)

Su respuesta a la pregunta