重复CV的插入符号包中训练函数的种子设置答案

【问题标题】：seed setting for train function in caret package for repeatedCV重复CV的插入符号包中训练函数的种子设置
【发布时间】：2018-01-02 09:37:47
【问题描述】：

我需要使用 R 中的插入符号包确定 KNN 模型的重复CV 的种子设置。

我的训练数据集有 12 列和 1000 行（二元响应中的第 1 列，其他 11 列是标准化的预测变量）

如何正确确定“repeatedCV”50 倍和 5 次重复的种子设置？

下面的种子设置是否正确？

有人可以帮助了解repeatCV 和LOOCV 的正确种子设置吗？

请看下面我的代码。

set.seed(123)
seeds <- vector(mode = "list", length = 251)
for(i in 1:250) seeds[[i]] <- sample.int(1000, 11) 

## For the last model:
seeds[[251]] <- sample.int(1000, 1)

【问题讨论】：

标签： r set seed

【解决方案1】：

sample.int() 中的 11 应该是参数的#values。
在这种情况下，如果您想在每个模型中评估 KNN 的 11 个 K 值，则选择 11。具体而言，您将在 10 次重复 CV 中获得 10 个模型进行平均。在 10 个模型中，train() 将尝试 11 个 K 值。
2 个类似的问题已经有了很好的答案。
Set seed parallel random forest in caret
Fully reproducible parallel models using caret

【讨论】：