我试图为一个具体的问题选择最好的预测/分类模型。我被要求遵循的方法是这样的：

• 将数据分为测试和训练。
• 使用训练数据运行一个具体的模型，并使用10倍交叉验证对其进行评估，以获得该模型的最佳参数（评估给定的误差）。
• 对其他模型重复此操作，直到我为每个所选分类模型找到最佳配置。
• 最后，我必须使用最佳参数集重新运行每个模型，其中要训练的数据是“trainingdata”，并且作为结果给出的错误可能来自“testdata”（请注意，测试数据到现在为止尚未使用，以避免最终比较的失真）。

我一直在使用TunePareto包来做这件事，它有一个很好的，易于运行的函数来运行一些分类模型（如Naive Byes或kNN）沿着 Dataframe 上的10倍CV。问题出现在我提到的最后一个任务中：我不知道如何使用特定的dataframe作为TunePareto的测试。有人能帮我一下吗？
我搜索了一些例子，但什么也没找到。如果TunePareto不允许这样做，我很乐意听取替代方案。