0

我正在尝试使用 mlr 和 univariate.model.score 过滤器在 R 中执行特征选择。在文档中它说 surv.rpart 是这个过滤器的默认学习器。我的数据集包含审查后的生存数据，我想使用不同的学习器，例如 surv.coxph，但我对如何做到这一点感到困惑。换句话说，我希望 univariate.model.score 过滤器使用 cindex 和 Cox 模型创建其分数。

我会使用 makeFilterWrapper 来实现吗？例如

combo.task <- makeSurvTask(data = combo_baseline, target = c("timeToEvent", "status"))
cox.lrn <- makeLearner(cl="surv.coxph", predict.type="response")
inner = makeResampleDesc("CV", iters=5)
lrn = makeFilterWrapper(learner = cox.lrn, fw.method="univariate.model.score", fw.abs=10)
res = resample(learner = lrn, task = combo.task, resampling=inner, models=TRUE)
res$aggr

我不可能共享数据，所以我没有提供任何数据，但我希望有人能告诉我如何正确使用代码。谢谢。

4

1 回答 1

0

我通过阅读 mlr 代码找到了答案。过滤器“univariate.model.score”接受一个参数 perf.learner，它允许您指定要用于评估过滤器性能的学习器。例如：

combo.task <- makeSurvTask(data = combo_baseline, target = c("timeToEvent", "status"))
cox.lrn <- makeLearner(cl="surv.coxph", predict.type="response")
inner = makeResampleDesc("CV", iters=5)
lrn = makeFilterWrapper(learner = cox.lrn, fw.method="univariate.model.score", fw.abs=10, perf.learner=cox.lrn)
res = resample(learner = lrn, task = combo.task, resampling=inner, models=TRUE)

它还接受参数 perf.measure（性能度量）和 perf.resampling（重采样策略）。

于 2019-01-17T01:25:27.677 回答