20、数据建模中的重采样、预测与模型导出技术

云朵来信

于 2025-09-11 00:48:14 发布

阅读量36

点赞数

CC 4.0 BY-SA版权

分类专栏：掌握R语言预测分析精髓文章标签：数据建模自助法交叉验证

本文链接：https://blog.youkuaiyun.com/b0c1d2/article/details/151467578

掌握R语言预测分析精髓专栏收录该内容

20 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

数据建模中的重采样、预测与模型导出技术

1. 自助法（Bootstrapping）

自助法的目标是更精确地评估模型在数据上的可靠性。与将数据划分为训练集和测试集不同，自助法是从原始数据集中有放回地随机抽取 n 个样本，重复 N 次（N 为迭代次数，n 为样本数量），每次迭代中同一案例可能多次出现。然后对每个样本独立进行分析，得出估计值的均值和标准差。

在 R 语言中使用 caret 包进行自助法的操作步骤如下：

# 指定自助法参数
CtrlBoot = trainControl(method="boot", number=1000)

# 以鸢尾花数据集为例，构建不同模型
# 朴素贝叶斯模型
modelNBboot = train(Species ~ ., data = iris, 
   trControl = CtrlBoot, method = "nb")
# C4.5 模型
modelC45boot = train(Species ~ ., data = iris, 
   trControl = CtrlBoot, method = "J48")
# C5.0 模型
modelC50boot = train(Species ~ ., data = iris,
   trControl = CtrlBoot, method = "C5.0")
# CART 模型
modelCARTboot = train(Species ~ ., data = iris, 
   trControl = CtrlBoot, method = "rpart")
# 随机森林模型
modelRFboot = train(Species ~