问题标签 [mlr3]

这是一个新手问题。如何定义tsk使用来自（sqlite）数据库的数据的（分类）？mlr3db示例似乎首先从内存中写入数据。就我而言，数据已经在数据库中。什么可能是一个更大的问题，目标数据和特征在不同的表中。

我尝试了什么：

然后我不知道如何指定target参数。

也许一个解决方案是在数据库中创建一个连接特征和目标的视图？

最近有人建议我将机器学习框架更改为 mlr3。但我发现过渡比我一开始想的要困难一些。在我目前的项目中，我正在处理高度不平衡的数据，我想在训练我的模型之前对其进行平衡。我发现本教程解释了如何通过管道和图形学习器处理不平衡：

https://mlr3gallery.mlr-org.com/posts/2020-03-30-imbalanced-data/

恐怕这种方法也会通过新数据预测来执行类平衡。为什么我要这样做并减少我的测试样本？

所以出现了两个问题：

1. 我是否正确不在测试数据中平衡类？
2. 如果是这样，有没有办法在 mlr3 中做到这一点？

当然，我可以手动对训练数据进行子集化并自己处理不平衡，但这不再有趣了！:)

无论如何，感谢您的任何回答，
干杯！

最近我正在学习使用 mlr3 包进行并行化。作为 mlr3 书籍 ( https://mlr3book.mlr-org.com/technical.html ) 和教程 ( https://www.youtube.com/watch?v=T43hO2o_nZw&t=1s ) 的介绍，mlr3 使用未来的后端用于并行化。我使用以下代码运行了一个简单的测试：

AUC 每次都会改变，我知道这是因为我没有为并行化设置随机种子。但是我发现了很多关于未来包的教程，使用 future 获得可重现结果的方法是使用future.apply包中的 future_lapply 并设置 future.seed = TRUE。另一种方法是使用 %dorng% 或 registerDoRNG() 为 foreach 循环设置未来的后端。

我的问题是如何在不使用 future_lapply 或 foreach的情况下在 mlr3 中获得可重现的重采样结果？我想可能有一种简单的方法可以做到这一点。非常感谢！

我在过滤掉模型中最不重要的变量时遇到了困难。我收到了一组包含 4,000 多个变量的数据，我被要求减少进入模型的变量数量。

我确实尝试了两种方法，但我失败了两次。

我尝试的第一件事是在建模后手动检查变量的重要性，并在此基础上删除不重要的变量。

使用 simple 时一切正常Learner：

问题是数据高度不平衡，因此我决定使用GraphLearnerwithPipeOp运算符对多数组进行欠采样，然后将其传递给AutoTuner：

我确实跳过了一些我认为对这种情况不重要的代码，比如搜索空间、终结器、调谐器等。

正确知道的问题是，尽管重要的属性在不可用at的情况下仍然可见。$importance()

所以我决定改变我的方法并尝试将过滤添加到Learner. 这就是我失败得更多的地方。我已经开始研究这个 mlr3book 博客 - https://mlr3book.mlr-org.com/fs.html。我尝试importance = "impurity"像在博客中一样添加到 Learner 中，但 id 确实产生了错误。

这基本上意味着这样的事情：

我也尝试过使用PipeOp过滤来解决问题，但它也失败了。我相信没有importance = "impurity".

所以我的问题是，有没有办法实现我的目标？

此外，我将非常感谢您解释为什么在建模之前可以按重要性过滤？不应该基于模型结果吗？

最近我正在学习 mlr3 包中的嵌套重采样。根据 mlr3 的书，嵌套重采样的目标是为学习者获得无偏的性能估计。我运行如下测试：

结果表明，从 3 个内部重采样中选择的 3 个超参数不能保证相同。它类似于这篇文章（它从内部重采样中获得 3 个不同的 cp）：mlr3 resample autotuner - not show tune parameters？.

我的问题是：

1. 我曾经认为聚合结果rr$aggregate是 3 个模型的平均值，但它不是，(0.7584991 + 0.7637077 + 0.7645588) / 3 = 0.7622552，而不是 0.7624477，我误解了聚合结果吗？
2. 如何从内部重采样过程中解释具有不同最佳超参数的 3 个模型的聚合性能结果？它是什么不偏不倚的表现？

谢谢！

我尝试在 mlr3 中使用并行化运行重采样过程。但我发现它总是比顺序计划慢。这是我的代码和结果：

我已经测试了很多次，plan() 中有不同数量的工作人员，并且在不同的笔记本电脑上运行，并行计划总是较慢。它也发生在超参数调整和嵌套重采样过程中。但是当我检查 Windows 中的任务管理器时，我可以看到会话正在后台运行。

我在 mlr3 中的并行化设置有问题吗？谢谢！

你好 mlr3 团队。

我对 mlr3 书中提供的 dalex 包有疑问。具体来说，这里

先感谢您

我找不到允许重新采样适用于金融市场/时间序列数据的方法的扩展包（例如，在“滚动窗口”或“增长窗口”上训练模型并在训练窗口之后立即对数据点进行测试。这本书一般都提到了额外的包，但我还没有找到。有人可以帮忙吗？

我刚开始使用mlr3，对语法还是很不熟悉，有两个问题：

1. 如何从 mlr3 中经过训练的 Logistic 回归中访问系数？
2. 我正在处理一个极其不平衡的数据集，98% vs 2%，并且这个数据集中有超过 200 万行，我尝试使用 SMOTE 方法，但是它很慢，因为它可以在 python 中很快完成，所以是我的代码有什么错误吗？这是我的代码：

对于 SMOTE：

我试图解决医学中的一个常见问题：预测模型与其他来源的结合，例如，专家意见 [有时在医学中非常强调]，在这篇文章中称为superdoc预测器。

这可以通过将模型与逻辑回归（输入专家意见）堆叠起来来解决，如本文第 26 页所述：

Afshar P, Mohammadi A, Plataniotis KN, Oikonomou A, Benali H. 从手工制作到基于深度学习的癌症放射组学：挑战和机遇。IEEE 信号处理杂志 2019；36：132-60。在这里可用

我在这里尝试过，没有考虑过拟合（我没有应用低级学习者的非折叠预测）：

示例数据

不考虑折叠预测的堆叠模型：

现在我想mlr3根据这篇非常有用的帖子来考虑使用包系列的非折叠预测：调整堆叠学习器

^{由reprex 包于 2021-03-15 创建(v1.0.0)}

我的问题（我对mlr3包系列比较陌生）

1. 包装系列是否mlr3非常适合我尝试构建的集成模型？
2. 如果是，我最终确定集成模型并预测test.data