caret
é a sigla para Classification And REgression Training. Por definição, é um pacote que disponibiliza algoritmos para classificação e regressão de dados.
Classificação é como chamamos um método capaz de separar nossas observações de acordo com classes já pré-definidas. É o que se chama de aprendizagem supervisionada. Vários métodos de classificação estão disponíveis no caret
, como LDA, Random Forest, K Vizinhos Mais Próximos e similares. Neste link está a lista completa destes métodos.
Clusterização é como chamamos um método capaz de separar nossas observações sem necessidade de utilizar classes pré-definidas. É o que se chama de aprendizagem não-supervisionada.
K-means é um método de clusterização. Portanto, não está disponível para o caret
. Provavelmente, nunca estará.
Portanto, a resposta para a pergunta
Há alguma função equivalente a kmeans para que eu possa fazer a validação do modelo?
é não, não há função equivalente a kmeans
no caret
. Ele é um pacote que faz classificação, não clusterização.
Entretanto, é possível usar K Means como um classificador. Até onde sei, não existe uma opção pra isso já pronta no R
, mas nada te impede de programar a tua. Eu não recomendaria isso, pois o K Means tem sérios problemas, como
Não funciona bem em dados com muitas dimensões
Não funciona se os grupos tem tamanhos muito discrepantes entre si
Como ele utiliza a distância euclidiana para decidir o pertencimento de observações aos grupos, não vai funcionar bem para dados com assimetrias grandes ou muitos outliers
Por outro lado, me parece que o teu problema é algo relacionado à classificação, pois tu tem acesso às classes de cada observação. Portanto, qualquer método de classificação do caret
serviria para treinar e validar a tua modelagem. Se eu entendi corretamente e o teu problema é de classificação e não clusterização, sugiro que desista do K Means e parta para algo mais sofisticado.