r - mlr3：如何在训练数据集上使用 mlr 进行过滤并将结果应用于模型训练？

Question

在 mlr3 中创建过滤器时，如何仅将过滤器基于训练数据？

创建过滤器后，如何将过滤器应用于建模过程并将训练数据子集化为仅包含高于某个阈值的过滤器值？

library(mlr3)
library(mlr3filters)
library(mlr3learners)
library(tidyverse)


data(iris)
iris <- iris %>%
  select(-Species)
  
tsk <- mlr3::TaskRegr$new("iris", 
                          backend = iris, 
                          target = "Sepal.Length")

#split train and test
trn_ids <- sample(tsk$row_ids, floor(0.8 * length(tsk$row_ids)), F)
tst_ids <- setdiff(tsk$row_ids, trn_ids)

#create a filter
filter = flt("correlation", method = "spearman")

# Question 1: how to calculate the filter only for the train IDs?
filter$calculate(tsk)
print(filter)

# Question 2: how to only use only variables with X correlation or greater in training?
learner <- mlr_learners$get("regr.glmnet")
learner$train(tsk, row_ids = trn_ids)
prediction <- learner$predict(tsk, row_ids = tst_ids)
prediction$response

Answer 1

过滤器可以使用mlr3pipelines.

mlr3gallery 在这里有一个示例（“特征过滤”部分）。

基本配方是创建一个像这样的图表：

fpipe = po("filter", flt("mim"), filter.nfeat = 3) $>>$ lrn("regr.glmnet")

并将其包装在GraphLearner：

lrnr = GraphLearner$new(fpipe).

lrnr现在可以像任何其他学习器一样使用，并在训练学习器之前根据指定的过滤器在内部过滤特征。