Starannie przeczytałemWSTAWKA KOREKTORSKA dokumentacja na:http://caret.r-forge.r-project.org/training.html, winiety i wszystko jest całkiem jasne (przykłady na stronie internetowej bardzo pomagają!), ale nadal jestem zdezorientowany co do związku między dwoma argumentamitrainControl:

method 
index

i wzajemne oddziaływanietrainControl a podział danych działa w karierze (np.createDataPartition, createResample, createFolds icreateMultiFolds)

Aby lepiej uporządkować moje pytania, pozwól, że skorzystam z następującego przykładu z dokumentacji:

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)

Moje pytania to:

Jeśli używamcreateDataPartition (które zakładam, że ma stratyfikowane ładowanie początkowe), jak w powyższym przykładzie, i przekazuję wynik jakoindex dotrainControl czy muszę korzystaćLGOCV jako metoda w moim wezwaniutrainControl? Jeśli korzystam z innego (np.cv) Co to za różnica? W mojej głowie, kiedy naprawiszindex, zasadniczo wybierasz rodzaj walidacji krzyżowej, więc nie jestem pewien, jaką rolęmethod gra, jeśli używaszindex.

Jaka jest różnica pomiędzycreateDataPartition icreateResample? To jest tocreateDataPartition nie robi warstwowego ładowania początkowegocreateResample nie?

3) Jak mogę to zrobićwarstwowy k-krotna (np. 10-krotna) walidacja krzyżowa za pomocą karetki? Czy zrobią to poniżej?

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