1

我遵循了mlr3 关于使用管道对数据进行插补的文档。但是，如果一列是 NA，我训练的模式不允许预测

你知道为什么它不起作用吗？

训练步

library(mlr3)
library(mlr3learners)
library(mlr3pipelines)


data("mtcars", package = "datasets")
data = mtcars[, 1:3]
str(data)
task_mtcars = TaskRegr$new(id="cars", backend = data, target = "mpg")


imp_missind = po("missind")
imp_num     = po("imputehist", param_vals =list(affect_columns = selector_type("numeric")))
scale = po("scale")
learner = lrn('regr.ranger')

graph = po("copy", 2) %>>% 
  gunion(list(imp_num %>>% scale,imp_missind)) %>>%
  po("featureunion") %>>%
  po(learner)
graph$plot()

graphlearner = GraphLearner$new(graph)

预测步数

data = task_mtcars$data()[12:12,]
data[1:1, cyl:=NA]
predict(graphlearner, data)

错误是 

Error: Missing data in columns: cyl.
4

1 回答 1

3

mlr3gallery中的示例似乎适用于您的情况，因此您基本上必须切换imputehistand的顺序missind。

另一种方法是将missind 的which超参数设置为“all”，以强制为每一列创建一个指标。

这实际上是一个错误，missind如果对没有缺失的数据进行训练，则会返回完整的任务（这反过来又会覆盖估算的值）。非常感谢您发现它。我正在尝试在这里修复它PR

于 2020-03-04T09:32:38.090 回答