r语言实现分层交叉验证

分层交叉验证是一种交叉验证方法，它可以在保证每个子集中的类别比例相同的情况下进行数据集的划分。在R语言中，可以使用`caret`包中的`trainControl()`函数来实现分层交叉验证。

以下是一个使用`trainControl()`函数实现分层交叉验证的例子：

library(caret)

# 加载数据集
data(iris)

# 定义控制参数
ctrl <- trainControl(method = "stratified", # 使用分层交叉验证
                     number = 10, # 10折交叉验证
                     savePredictions = TRUE, # 保存预测结果
                     classProbs = TRUE, # 保存类别概率
                     summaryFunction = twoClassSummary) # 二分类问题的评价指标

# 训练模型
model <- train(Species ~ ., # 预测变量为所有变量
               data = iris, # 数据集
               method = "glm", # 使用广义线性模型
               trControl = ctrl) # 控制参数

# 查看模型评价指标
print(model)

# 查看预测结果
print(model$pred)

在上面的例子中，我们使用了`iris`数据集，并使用`trainControl()`函数定义了控制参数`ctrl`，其中`method`参数设置为`"stratified"`，表示使用分层交叉验证。然后，我们使用`train()`函数训练了一个广义线性模型，并将控制参数传递给`trControl`参数。最后，我们可以使用`print()`函数查看模型评价指标和预测结果。