我正在尝试在一个多类预测问题上拟合xgboost模型，并希望使用caret来进行超参数搜索。为了测试这个包，我使用了以下代码，当我不向train对象提供trainControl时，执行时间为20秒。

# 只使用一个参数组合xgb_grid_1 <- expand.grid(  nrounds = 1,  eta = 0.3,  max_depth = 5,  gamma = 0,  colsample_bytree=1,   min_child_weight=1)# 训练xgb_train_1 = train(  x = as.matrix(sparse_train),  y = conversion_tbl$y_train_c ,  trControl = trainControl(method="none", classProbs = TRUE, summaryFunction = multiClassSummary),  metric="logLoss",  tuneGrid = xgb_grid_1,  method = "xgbTree")

然而，当我向train提供一个trainControl对象时，代码永远不会完成…或者需要很长时间（至少在15分钟内没有完成）。

xgb_trcontrol_1 <- trainControl(  method = "cv",  number = 2,  verboseIter = TRUE,   returnData = FALSE,  returnResamp = "none",                                           classProbs = TRUE,                                             summaryFunction = multiClassSummary)xgb_train_1 = train(  x = as.matrix(sparse_train),  y = conversion_tbl$y_train_c ,  trControl = xgb_trcontrol_1,  metric="logLoss",  tuneGrid = xgb_grid_1,  method = "xgbTree")

这是为什么呢？

供参考，我的数据大小是

 dim(sparse_train)[1] 702402     36

回答：

你的trainControl对象是不同的。

在第一个trainControl对象中，方法是method="none"。在第二个trainControl对象中，方法是method="cv"和number=2。因此，在第二个对象中，你正在运行一个两折交叉验证，这比不运行交叉验证需要更长的时间。