我正在尝试使用caret包来查找最佳k值，以运行KNN算法。我的数据看起来是like this（代码上的datanet），其中"ACTIVITY_X"，"ACTIVITY_Y"和"ACTIVITY_Z"是我的预测变量，因为我想根据B列到D列的值对"Event"进行分类。所有列都有相同的行数。
为此，我首先需要拆分数据以进行交叉验证。这是我的代码示例：
# Split the data:
indxTrain <- createDataPartition(y = datanet$ACTIVITY_X,p = 0.8,list = FALSE)
training <- datanet[indxTrain,]
testing <- datanet[-indxTrain,]
# Run k-NN:
set.seed(400)
ctrl <- trainControl(method="repeatedcv",repeats = 3)
knnFit <- train(Event ~ ., data = training, method = "knn", trControl = ctrl, preProcess = c("center","scale"),tuneLength = 20)
knnFit
#Use plots to see optimal number of clusters:
#Plotting yields Number of Neighbours Vs accuracy (based on repeated cross validation)
plot(knnFit)
我的问题是两个：
1）如果我正确理解使用
caret包时，在y中的createDataPartition参数需要是预测变量，对吗？2）如果是这样，我有前面提到的三个预测变量（
"ACTIVITY_X"，"ACTIVITY_Y"和"ACTIVITY_Z"），但是如果运行的是createDataPartition(y = datanet$(ACTIVITY_X, ACTIVITY_Y, ACTIVITY_Z)p = 0.8,list = FALSE)，则会收到错误消息。关于预测变量数据包含多列时如何使用
createDataPartition进行交叉验证的任何想法？仅使用一个预测变量（假设为
createDataPartition）作为分区运行"ACTIVITY_X"，然后将其应用于其余列，是否可以？任何帮助表示赞赏！
最佳答案
您需要根据目标变量而不是预测变量来拆分数据。那是：
indxTrain <- createDataPartition(y = datanet$Event,p = 0.8,list = FALSE)
这是
?createDataPartition中的原因：ÿ
结果的载体。对于createTimeSlices，它们应按时间顺序排列。