使用Caret同时调用多模型报错：模型不在内置库

在经典Iris数据集上以Sepal.Length为目标变量，使用caret包同时训练多个模型时，出现以下错误及警告：

Error: Model gbm is not in caret's built-in libraryModel knn is not in caret's built-in libraryModel lm is not in caret's built-in libraryModel bstSm is not in caret's built-in libraryModel rf is not in caret's built-in library
警告信息：In model == names(models): longer object length is not a multiple of shorter object length

使用的代码如下：

mix_dataset_tra <-iris  
TrainIndex <- createDataPartition(mix_dataset_tra$Sepal.Length, p=0.75, list= FALSE) 
train <- mix_dataset_tra[TrainIndex,]  
test <-mix_dataset_tra[-TrainIndex,]  
trc <- trainControl(method = "repeatedcv", number=10,repeats=3) 
AlgoritmListReg <- c("gbm","knn","lm","bstSm","rf")  
mixedModel<- caret::train(Sepal.Length~., data=train, method=AlgoritmListReg, trControl=trc)

核心问题 #

caret原生的train()函数不支持直接传入模型列表实现批量训练，必须借助caretEnsemble包中的caretList()函数完成。此外，模型列表中的bstSm为拼写错误，需修正为正确的模型名称。

具体修正步骤 #

1. 安装并加载依赖包
   部分模型需要额外的依赖库支持，先完成安装和加载：

install.packages(c("caret", "caretEnsemble", "gbm", "randomForest", "kknn", "smotefamily"))
library(caret)
library(caretEnsemble)

注：gbm对应梯度提升树包，randomForest对应随机森林包，kknn对应K近邻包，smotefamily是bstSmote的依赖。

2. 修正模型列表
   将错误的bstSm改为正确的模型名，这里以bstSmote为例（若实际需求为其他模型，需对应调整名称）：

AlgoritmListReg <- c("gbm","knn","lm","bstSmote","rf")

3. 使用caretList()训练多模型
   替换原代码中的train()函数，改用caretList()实现批量训练：

mixedModel <- caretList(Sepal.Length~., data=train, trControl=trc, methodList=AlgoritmListReg)

4. （可选）模型集成
   如果需要对训练好的多个模型进行集成，可使用caretEnsemble()：

ensemble_model <- caretEnsemble(mixedModel)
summary(ensemble_model)

内容的提问来源于stack exchange，提问作者Gaetano C.