KNA的PCA：插入符号中的预处理参数

Question

我正在对我的数据进行knn回归，并希望：

a）通过重复交叉验证以找到最佳的k;

b）在建立knn模型时，使用90％水平阈值的PCA来降低维数。

library(caret)
library(dplyr)
set.seed(0)
data = cbind(rnorm(15, 100, 10), matrix(rnorm(300, 10, 5), ncol = 20)) %>% 
  data.frame()

colnames(data) = c('True', paste0('Day',1:20))
tr = data[1:10, ] #training set
tt = data[11:15,] #test set

train.control = trainControl(method = "repeatedcv", number = 5, repeats=3)
k = train(True ~ .,
          method     = "knn",
          tuneGrid   = expand.grid(k = 1:10),
          trControl  = train.control, 
          preProcess = c('scale','pca'),
          metric     = "RMSE",
          data       = tr)

我的问题是：目前PCA阈值默认为95％（不确定），如何将其更改为80％？