插入符号：结合 createResample 和 groupKFold

Question

我想使用caret 进行自定义采样。我的规格如下： 我每天有 1 次观察，我的分组因子是月份（12 个值）；因此，在第一步中，我创建了 12 个重采样，训练时间为 11 个月（11*30 点），测试时间为 1 个月（30 点）。这样我总共得到 12 个重采样。

但这对我来说还不够，我想通过为每个分区的训练点添加一些引导来使其更复杂一些。因此，不是在 Resample01 中有 11*30 个点，而是对这 330 个点进行几个自举重采样。 所以最后，我想要很多重采样，但其中一个月份 NEVER 在训练集中。

如何在对train 的调用中指定这一点？ 我尝试了什么：

library(caret)
x = rep(1:12, each=30)
folds = groupKFold(x, k=12)
folds2 = lapply(folds, createResample, times=10)

但这是错误的，因为 1/ 我得到了一个嵌套列表，2/ 初始索引在第二步中丢失了。

感谢您的帮助（如果您认为这是 XY pb，请随时告诉我）

Answer 1

我相信这会解决你的问题

library(caret)
x <- rep(1:12, each = 30)
folds <- groupKFold(x, k = 12)

在嵌套列表中为 folds 中的每个组提供 10 个引导复制 - 这解决了丢失索引的问题。

folds2 <- lapply(folds, function(x) lapply(1:10, function(i) sample(x, size = length(x), replace = TRUE)))

将嵌套列表转换为一维列表 - 这解决了嵌套列表问题。

folds2 <- unlist(folds2 , recursive = FALSE, use.names = TRUE)

有用吗？

df <- data.frame(y = rnorm(360), x = rnorm(360))

lm_formula <- train(
  y ~ ., df,
  method = "lm",
  trControl = trainControl(method = "boot" , index = folds2)
)

看起来确实如此。

唯一的问题可能是每个重采样的预期indexOut，在示例中，折叠中不存在的所有索引都被用作测试。如果我理解您想测试保留的月份而不是所有保留的样本。解决这个问题：

folds_out <- lapply(folds, function(x) setdiff(1:360, x))
folds_out <- rep(folds_out, each = 10)
names(folds_out) <- names(folds2)

lm_formula <- train(
  y ~ ., df,
  method = "lm",
  trControl = trainControl(method = "boot" , index = folds2, indexOut = folds_out)
)