如何在R的caret包中利用最优超参数获取10折交叉验证各折预测结果

我完全懂你的需求——你用caret跑了带3次重复的10折交叉验证SVM模型，现在fit.svm$pred返回的是所有超参数组合的预测结果，但你只想要最优超参数对应的那些，甚至还想算出每个折在3次重复后的平均预测值对吧？下面一步步来搞定：

第一步：锁定最优超参数 #

你已经用fit.svm$bestTune拿到了最优的参数组合（对于svmRadial来说，一般是sigma和C这俩参数），我们先把它存下来方便后续筛选：

best_params <- fit.svm$bestTune

第二步：筛选最优参数对应的预测结果 #

fit.svm$pred是一个包含所有调优参数预测结果的数据框，我们只需要把和最优参数匹配的行挑出来就行。这里提供两种方式：

用基础R筛选：

best_preds <- fit.svm$pred[fit.svm$pred$sigma == best_params$sigma & fit.svm$pred$C == best_params$C, ]

用dplyr筛选（更简洁易读）：

如果你装了dplyr包，用管道操作会更顺手：

library(dplyr)
best_preds <- fit.svm$pred %>%
  filter(sigma == best_params$sigma, C == best_params$C)

现在best_preds里就只有最优超参数对应的所有交叉验证预测结果了，里面的列包括真实值obs、预测值pred、折数fold、重复次数resample等。

第三步：计算各折重复后的均值预测 #

如果你想要每个折在3次重复后的平均预测值，可以按fold和真实值obs分组计算（确保每个观测的预测均值对应正确）：

fold_mean_preds <- best_preds %>%
  group_by(fold, obs) %>%
  summarise(mean_pred = mean(pred), .groups = "drop")

这样得到的fold_mean_preds里，每一行就是某个折里某个观测在3次重复中的平均预测值。

另外补充一下：如果你想直接看最优模型在交叉验证中的整体表现，也可以查看fit.svm$results，这里面是每个超参数组合的CV评估指标（比如你指定的RMSE），最优参数对应的那一行就是你要的最优模型的CV结果。

内容的提问来源于stack exchange，提问作者UseR10085