要在mlrR包中进行交叉验证（重采样），通常我们需要调用makeResampleDesc函数来指定方法和折叠。
我的问题是：
makeResampleDesc在mlr可确保创建的褶皱（事业相同的种子在不同的学习者之间的）一致，并且可以导出为进一步操纵？重采样描述独立于任何学习器；您可以对多个学习者使用一个并获得相同的折叠。如果要将重采样结果链接回原始数据，还可以从重采样结果中提取折叠数。
您可以使用blocking参数 to将数据中的一列用作折叠列makeClassifTask。从帮助：
阻塞：['因素']
An optional factor of the same length as the number of observations. Observations with the same blocking level “belong together”. Specifically, they are either put all in the training or the test set during a resampling iteration. Default is ‘NULL’ which means no blocking.
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句