问题标签 [mlr3]

所以，我使用的是在这里找到的超导数据集……它包含 82 个变量，我将数据子集为 2000 行。但是当我使用xgboost它mlr3时并没有计算所有变量的重要性！？

这是我设置所有内容的方式：

这会输出如下内容：

正如你所看到的，那里只有 11 个变量......什么时候应该有 81 个ranger......

关于正在发生的事情有什么建议吗？

使用非常有用的mlr3 book中的一个示例，我试图简单地返回堆叠模型输出的平均分数。有人可以解释一下如何使用 mlr3 做到这一点吗？我尝试使用LearnerClassifAvg$new( id = "classif.avg")和po("classifavg")，但不确定我是否正确应用了这些，谢谢

例子：

我想在不同的数据子集上训练模型mlr3，我想知道是否有办法在管道中的不同数据子集上训练模型。

我想做的类似于R for Data Science - Chapter 25: Many models中的示例。假设我们使用相同的数据集 ，gapminder该数据集包含世界各国的不同变量，例如 GDP 和预期寿命。如果我想为每个国家/地区训练预期寿命模型，是否有一种简单的方法可以使用创建这样的管道mlr3？

理想情况下，我想mlr3pipelines在图中为每个子集创建一个分支（例如，每个国家/地区的一个单独的分支），最后有一个模型。因此，最终图将从单个节点开始，并n在末端节点训练有素的学习器，数据集中的每个组（即国家）一个，或者聚合结果的最终节点。我还希望它适用于新数据，例如，如果我们在未来获得 2020 年的新数据，我希望它能够使用为该特定国家训练的模型为每个国家创建预测。

我发现的所有mlr3示例似乎都处理整个数据集的模型，或者使用训练集中的所有组训练了模型。

目前，我只是为每组数据手动创建一个单独的任务，但是将数据子集步骤合并到建模管道中会很好。

mlr3 框架中的 surv.gbm 输出线性预测变量，但我真正感兴趣的是每个案例的预测生存时间，我想将其与实际生存时间进行比较。有没有办法获得实际的生存时间？

在 mlr3 书中，有一个线性预测变量和分布之间的转换示例。

有没有办法改变这个管道，以便将 "lp" 转换为 "response" ？

任何帮助都将不胜感激。

在这里使用lmr3verse包。假设我对用于训练的训练集应用了以下预处理Learner：

我想使用命令预测数据框中（带有原始变量）中包含的新观察结果的pred标签predict(Learner, newdata = pred, predict_type="prob")。这是行不通的，因为Learner它是使用居中、缩放和单热编码变量进行训练的。

如何将训练集上使用的相同预处理应用于新数据（仅特征，而不是响应）以进行预测？

在调整学习器并使用它之后，我们可以使用它通过命令行进行预测

但是，我们如何计算预测的置信区间？

训练学习者后，将最终模型保存在哪里mlr3--- learner$train(data)？通过“最终模型”，我的意思是类似于由以下代码生成的列表：

有没有办法提取这个列表/对象？

task <- TaskRegr$new("data", data, "y") 是否可以使用过滤器或管道删除任务中的不完整观察mlr3？

有没有办法用完全相同的 colnames编辑task$data()或替换它？data.frame()

我已经尝试了以下task_train$data() <- newDF和task_train$data <- newDF. 它们都分别导致Error in task_train$data() <- di : invalid (NULL) left side of assignment和Error in task_train$data <- newDF: cannot change value of locked binding for 'data'。

我正在使用 mlr3 包，我想为不同的模型绘制 ROC 曲线。如果我按照文档中的说明使用交叉验证，它工作得很好，但是如果我使用“holdout”进行重采样，那么我会得到一个错误Error: Invalid show_cb. Inconsistent with calc_avg of evalmod.。

这是代码：

感谢您的帮助，马修