我正在对几百个变量进行线性判别分析，并使用插入符号的“训练”功能和内置模型“stepLDA”来选择最“信息丰富”的变量 . 这是我要测试的几种模型类型之一 .

基本上，当我调用输出对象（类型为train）时，我得到一个与此类似的对象（较小的示例模型）：

Linear Discriminant Analysis with Stepwise Feature Selection 

72 samples
71 predictors
2 classes: 'Cancer', 'Normal' 

No pre-processing
Resampling: Cross-Validated (3 fold, repeated 1 times) 
Summary of sample sizes: 48, 48, 48 
Resampling results

  Accuracy   Kappa      Accuracy SD  Kappa SD 
  0.6388889  0.2777778  0.06364688   0.1272938

Tuning parameter 'maxvar' was held constant at a value of 50
Tuning parameter 'direction' was held constant at a value of forward

但是，当我调用最终模型（类步骤类）时，我得到：

method      : lda
final model : y ~ Age + X4 + X167 + X184 + X274 + X416 + X548 + X571 + X594
+ X611 + X618 + X634 + X1094 + X1632 + X1921 + X2437 + X3018 + X3474
<environment: 0x000000001dad6890>

accuracy = 0.8538

我的问题是：0.6388889的准确度是指什么 . 我知道这是一个交叉验证的准确度，但它是否是在逐步选择之前首先在所有71个预测器上构建的LDA模型？或者还有另一个步骤吗？

我知道0.8538指的是训练数据集上最终选定模型的10倍交叉验证精度 . 我正在试图弄清楚哪种模型报告的准确度？

感谢任何人的帮助:)

r r-caret