R交叉验证：使用caret评估模型性能

学习使用caret包进行K折交叉验证，避免过拟合，选择最优模型参数。 · 难度：入门 · +15XP

交叉验证的意义

交叉验证将数据分成K个子集，轮流用K-1份训练、1份验证，评估模型泛化能力。常用K=5或10。

1. 加载caret并设置训练控制

library(caret)
ctrl <- trainControl(method = 'cv', number = 5)

2. 训练模型（以决策树为例）

data(iris)
set.seed(123)
model <- train(Species ~ ., data = iris, method = 'rpart', trControl = ctrl)
print(model)

3. 查看交叉验证结果

model$results
model$resample

4. 使用重复交叉验证

ctrl2 <- trainControl(method = 'repeatedcv', number = 5, repeats = 3)
model2 <- train(Species ~ ., data = iris, method = 'rf', trControl = ctrl2)
print(model2)

练习提示：使用5折交叉验证评估KNN模型（method='knn'）在iris数据集上的准确率，并尝试调整K值。