有没有办法禁用CARET中的参数调整（网格）功能？

在选择最终模型之前，CARET将自动使用预先指定的调整网格来构建各种模型，然后在完整的训练数据上训练最终模型。我可以只用一种参数组合来提供自己的调整网格。但是，即使在这种情况下，CARET也会在调整参数中“选择”最佳模型（即使在这种情况下只有一个），然后将最终模型拟合到所有训练数据。这是我要避免的额外步骤。

如何简单地跳过调整网格中各种变化的模型搜索步骤，并强制CARET建立在所有训练数据上（而不是直接调用基础模型库）？

您可以method="none"在中指定trainControl。例如：

train(Species ~ ., data=iris, method="rf", tuneGrid=data.frame(mtry=3),
  trControl=trainControl(method="none"))

我不确定何时实施。

最好的方法是显式提供tuneGrid数据帧。例如，随机森林只有一个调整参数“ mtry”，该参数控制为每棵树选择的特征数量。

要将mtry设置为特定值，您可以选择randomForest默认值（？randomForest）来执行以下操作：

model <- train(x = X, y = Y, method = 'rf', tuneGrid = data.frame(.mtry = M))

其中M是您要使用的调整参数的一个值。

对于多个调整参数，请执行以下操作：

tuneGrid = data.frame(.par1 = P1, .par2 = P2, .par3 = P3)

我认为这是不可能的（至少在某些版本之前是不可能的）。可以通过在训练数据中仅设置一个重采样分区来降低性能影响（但插入符号仍会训练模型两次）

这听起来像是一个有用的功能，所以我将对软件包的作者执行ping操作。