建立自訂的 trainControl

葡萄酒品質資料集是迴歸問題，不過現在你要處理的是分類問題。這個是以多年前 Kaggle 上「don't overfit」競賽為基礎所模擬出來的資料集。

分類問題比迴歸問題稍微複雜，因為如果你要用 AUC 指標來比較模型表現，就必須在 train() 函式中提供自訂的 summaryFunction。先建立一個自訂的 trainControl，就像你在前一章做過的一樣。請務必設定 classProbs = TRUE，否則作為 summaryFunction 的 twoClassSummary 會失效。

本練習屬於課程

使用 R 的 caret 進行 Machine Learning

檢視課程

練習說明

使用 trainControl 函式為分類建立名為 myControl 的自訂 trainControl。

使用 10 折交叉驗證（CV folds）。
在 summaryFunction 中使用 twoClassSummary。
務必設定 classProbs = TRUE。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Create custom trainControl: myControl
myControl <- trainControl(
  method = "cv", 
  number = ___,
  summaryFunction = ___,
  classProbs = ___, # IMPORTANT!
  verboseIter = TRUE
)

編輯並執行程式碼