Я использую каретку для обучения моделей перед повторной выборкой и настройки параметров обучения, и я могу опросить вероятности для каждого теста, что отлично. Но я также очень хочу сохранить объекты модели и использовать их позже без переобучения - возможно ли это? По сути, вместо объекта mdl $ finalModel мне нужен объект модели для каждой итерации настройки.
Карет - можно ли уберечь каждую модель от тюнинга?
Ответы (2)
Не совсем. Вы можете написать собственный метод и изменить функцию fit
, чтобы сохранить их в файл. Внутри функции fit
вы должны знать значение параметра настройки, но не знать, с каким ресамплингом была построена модель.
Максимум
person
topepo
schedule
14.11.2014
Спасибо, Макс. Я использую ваше предложение, поэтому размещаю здесь свой код, если кто-то еще захочет попробовать это. Я работаю над ресамплингом позже, также сохраняя rownames(x)
.
# Copy all model structure info from existing model type
cust.mdl <- getModelInfo("rf", regex=FALSE)[[1]]
# Override fit function so that we can save the iteration
cust.mdl$fit <- function(x=x, y=y, wts=wts, param=param, lev=lev, last=last, classProbs=classProbs, ...) {
# Dont save the final pass (dont train the final model across the entire training set)
if(last == TRUE) return(NULL)
# Fit the model
fit.obj <- getModelInfo("rf", regex=FALSE)[[1]]$fit(x, y, wts, param, lev, last, classProbs, ...)
# Create an object with data to save and save it
fit.data <- list(resample=rownames(x),
mdl=fit.obj,
#x, y, wts,
param=param, lev=lev, last=last, classProbs=classProbs,
other=list(...))
# Create a string representing the tuning params
param.str <- paste(lapply(1:ncol(param), function(x) {
paste0(names(param)[x], param[1,x])
}), collapse="-")
save(fit.data, file=paste0("rf_modeliter_", sample(1000:9999,1), "_", param.str, ".RData"))
return (fit.obj)
}
person
Shane
schedule
19.02.2015