r - 如何使用 R 中的 caretEnsemble 包预测新数据集？

Question

我目前在 R 中使用 caretEnsemble 包来组合在插入符号中训练的多个模型。我使用来自同一包的 caretList 函数获得了最终训练模型的列表(比如 model_list)，如下所示。

    model_list <- caretList(
    x = input_predictors, 
    y = input_labels, 
    metric = 'Accuracy',
    tuneList = list(
        randomForestModel =   caretModelSpec(method='rf', 
                                             tuneLength=1, 
                                             preProcess=c('BoxCox', 'center', 'scale')), 
        ldaModel = caretModelSpec(method='lda', 
                                  tuneLength=1, 
                                  preProcess=c('BoxCox', 'center', 'scale')),
        logisticRegressionModel =  caretModelSpec(method='glm', 
                                                  tuneLength=1, 
                                                  preProcess=c('BoxCox', 'center', 'scale'))
    ), 
    trControl = myTrainControl
)

我提供的列车控制对象如下:

    myTrainControl = trainControl(method = "cv", 
                              number = 10, 
                              index=createResample(training_input_data$retinopathy, 10),
                              savePredictions = TRUE, 
                              classProbs = TRUE, 
                              verboseIter = TRUE, 
                              summaryFunction = twoClassSummary)

现在我正在训练这些模型列表:

ens <- caretEnsemble(model_list)

在 ens 上应用 summary 告诉我所选模型(model_list 之外)，分配给这些所选模型的权重，out-of-为每个选定模型采样 AUC 值，最后为 ens 采样 AUC 值。

现在我想计算 ens 在其他测试数据上的性能(以了解样本外性能)。我将如何实现它？

我正在尝试:

ensPredictions <- predict(ens, newdata = test_data)

但它给我一个错误:

Error in `[.data.frame`(out, , obsLevels, drop = FALSE) : 
  undefined columns selected

Answer 1

我首先要检查测试集是否具有训练集的所有特征。