Entre otras cosas con caret podemos hacer particiones para estudiar nuestros modelos con training y test, ademas, las particiones de caret guardan la proporción de clases.

library(caret)
data(Sonar)
set.seed(107)

# se crea la particion: esto obtiene de forma aleatoria unporcentaje de instancias dado por p. El metodo mantiene  la proporcion deinstancias para cada valor de la variable clase
inTrain <- caret::createDataPartition(y = Sonar$Class, p = .75, 
                                      list = FALSE)

# ahora se obtienen los conjuntos de test y de entrenamiento
training <- Sonar[ inTrain,]
testing  <- Sonar[-inTrain,]

# se muestra la proporcion de instancias para cada valor de la variable clase en el conjunto de datos original
summary(Sonar$Class)

##   M   R 
## 111  97

ggplot(data=Sonar) + 
  geom_bar(mapping=aes(x=Class, y=..prop.., group=1))

# tambien en el de entrenamiento
summary(training$Class)

##  M  R 
## 84 73

ggplot(data=training) + 
  geom_bar(mapping=aes(x=Class, y=..prop.., group=1))

# y lo mismo con el de test
summary(testing$Class)

##  M  R 
## 27 24

ggplot(data=testing) + 
  geom_bar(mapping=aes(x=Class, y=..prop.., group=1))

También podemos ver de manera muy sencilla las correlaciones.

library(mlbench)

# se hace accesible el conjunto de datos PimaIndiansDiabetes
data(PimaIndiansDiabetes)

# se obtiene la matriz de correlacion de las variables predictoras
correlationMatrix <- cor(PimaIndiansDiabetes[,1:8])

# se encuentran aquellas variables que presentan valores de correlacion
# por encima del valor umbral
highlyCorrelated <- caret::findCorrelation(correlationMatrix, 
                                           cutoff=0.3)
print(highlyCorrelated)

## [1] 4 5 8

El resultado nos dice las variables altamente correladas, alguna de ellas podríamos suprimirla en el proceos de seleccion de variables.

También podemos ver la importancia de las variables.

library(pROC)

# se fija la semilla para asegurar la reproducibilidad de los 
# resultados
set.seed(7)

# carga el conjunto de datos
data(PimaIndiansDiabetes)

# prepara el esquema de entrenamiento
control <- caret::trainControl(method="repeatedcv", number=10, 
                               repeats=3)

# aprende el modelo
modelo <- caret::train(diabetes~., data=PimaIndiansDiabetes, 
                       method="lvq", preProcess="scale", 
                       trControl=control)

# estima la importancia de las variables a partir del modelo
importance <- caret::varImp(modelo, scale=FALSE)

# muestra los datos del analisis
print(importance)

## ROC curve variable importance
## 
##          Importance
## glucose      0.7881
## mass         0.6876
## age          0.6869
## pregnant     0.6195
## pedigree     0.6062
## pressure     0.5865
## triceps      0.5536
## insulin      0.5379

# representa graficamente los resultados
plot(importance,lw=3)

Parece que la glucosa, la edad y el indice de masa corporal son muy importantes para determinar si se tiene o no diabetes.