自定义 trainControl
葡萄酒质量数据集是一个回归问题，但现在您将处理一个分类问题。这个数据集是基于多年前 Kaggle 上 "don't overfit" 竞赛的模拟数据。
分类问题比回归问题稍复杂，因为若要用 AUC 指标对模型进行排序，您需要为 train() 函数提供自定义的 summaryFunction。请先像上一章那样创建一个自定义的 trainControl。务必将 classProbs = TRUE 设为 TRUE，否则用作 summaryFunction 的 twoClassSummary 将无法工作。
本练习是课程的一部分
在 R 中使用 caret 的机器学习
练习说明
使用 trainControl 函数为分类创建名为 myControl 的自定义 trainControl。
- 使用 10 折交叉验证。
- 在
summaryFunction中使用twoClassSummary。 - 一定要设置
classProbs = TRUE。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create custom trainControl: myControl
myControl <- trainControl(
method = "cv",
number = ___,
summaryFunction = ___,
classProbs = ___, # IMPORTANT!
verboseIter = TRUE
)