Czy konieczne jest wstępne przetwarzanie przed prognozowaniem przy użyciu FinalModel z RandomForest z pakietem Caret?

Używam pakietu karetki do trenowania obiektu randomForest z 10x10CV.

library(caret)
tc <- trainControl("repeatedcv", number=10, repeats=10, classProbs=TRUE, savePred=T) 
RFFit <- train(Defect ~., data=trainingSet, method="rf", trControl=tc, preProc=c("center", "scale"))

Następnie testuję randomForest na testSet (nowe dane)

RF.testSet$Prediction <- predict(RFFit, newdata=testSet)

Macierz pomieszania pokazuje mi, że model nie jest taki zły.

confusionMatrix(data=RF.testSet$Prediction, RF.testSet$Defect)
              Reference
    Prediction   0   1
             0 886 179
             1  53 126  

      Accuracy : 0.8135          
             95% CI : (0.7907, 0.8348)
No Information Rate : 0.7548          
P-Value [Acc > NIR] : 4.369e-07       

              Kappa : 0.4145 

Chcę teraz przetestować $ finalModel i myślę, że powinien dać mi ten sam wynik, ale jakoś to otrzymuję

> RF.testSet$Prediction <- predict(RFFit$finalModel, newdata=RF.testSet)
>  confusionMatrix(data=RF.testSet$Prediction, RF.testSet$Defect)
Confusion Matrix and Statistics

          Reference
Prediction   0   1
         0 323  66
         1 616 239

               Accuracy : 0.4518          
                 95% CI : (0.4239, 0.4799)
    No Information Rate : 0.7548          
    P-Value [Acc > NIR] : 1               

                  Kappa : 0.0793 

czego mi brakuje?

edytuj @topepo:

Nauczyłem się również innego randomForest bez opcji wstępnie przetworzonego i uzyskałem inny wynik:

RFFit2 <- train(Defect ~., data=trainingSet, method="rf", trControl=tc)
testSet$Prediction2 <- predict(RFFit2, newdata=testSet)
confusionMatrix(data=testSet$Prediction2, testSet$Defect)

Confusion Matrix and Statistics

          Reference
Prediction   0   1
         0 878 174
         1  61 131

               Accuracy : 0.8111          
                 95% CI : (0.7882, 0.8325)
    No Information Rate : 0.7548          
    P-Value [Acc > NIR] : 1.252e-06       

                  Kappa : 0.4167     

Różnica polega na przetwarzaniu wstępnym. predict.trainautomatycznie centruje i skaluje nowe dane (ponieważ o to prosiłeś), jednocześnie biorąc predict.randomForestwszystko, co zostało podane. Ponieważ podziały drzewa są oparte na przetworzonych wartościach, przewidywania będą wyłączone.

Max