问题标签 [mlr]

我正在使用 mlr 包的框架来构建一个 svm 模型来预测图像中的土地覆盖类。我使用了 raster 包的 predict 函数，并将光栅转换为数据帧，然后使用“learner.model”作为输入在该数据帧上进行预测。这些方法给了我现实的结果。

工作顺利：

或者

但是，如果我在未指定 learner.model 的情况下对从栅格派生的数据框进行预测，则结果会不一样。

C2$data$response 与 C 不同。为什么？

这是一个演示该问题的可重现示例：

预测并不相同。在 mlr 关于预测的教程页面之后，我不明白为什么结果会有所不同。谢谢你的帮助。

-----

更新：当我对随机森林模型做同样的事情时，两个向量是相等的。这是因为 SVM 是规模相关的，而随机森林不是吗？

----

另一个更新：如果我将 predict.type 从“prob”更改为“response”，则两个 svm 预测向量彼此一致。我将研究这些类型的差异，我曾认为“概率”给出了相同的结果，但也给出了概率。也许不是这样？

我正在使用 mlr R 包（v2.3），尝试使用多类 auc 作为在 3 类分类问题中使用 CV 时的措施之一。但是，我收到以下错误：

错误：“multiclass.roc.default”不是从“命名空间：pROC”导出的对象

我相信我已经安装了所有依赖项（并且不相信这是实际问题）。尝试运行 'resample' 函数时会产生错误，如下所示：

有什么建议吗？

This is a quick question, just to make sure I'm not doing this the dumb way. I want to use auc as my measure in mlr, and I'm also using LOO due to the small sample size. Of course, in the LOO cross validation scheme the test sample is always only one instance, so auc can't be calculated. We can, of course, calculate it afterwards, looking at the predictions, the problem happens when we want to use it as the measure in the inner loop of nested crossvalidation. Something like this (you must define your own binaryTask):

You simply can't use auc like that, in both loops. How could we make mlr evaluate the measure over all the test samples instead of an unique resample each time?

我正在尝试使用该mlr软件包运行模型，但该功能存在一些问题predict()。它给了我以下错误消息：

请在下面找到一个可重现的示例：

然后出现错误。难道我做错了什么？谢谢！

以下是我正在实现的一段代码：

在执行代码的最后一个命令时，我遇到以下错误：

我为一个简单的虹膜数据案例运行了相同的脚本，它运行良好。“参数意味着不同的行数：47505、5938”是什么意思？训练集有 47505 行，5938 表示什么？*使用的库是'mlr'

提前致谢，

mlr 包很棒，创建 ModelMultiplexer 的想法也有帮助。但是 ModelMultiplexer 从使用的模型中“选择” 1 个单一模型。

是否有任何支持或计划支持创建单个模型的 Bagged 或 Boosted Ensemble？

我正在尝试建立一个mlr分类任务，其中 75% 的数据将用于训练，这 75% 将通过重复的交叉验证重新采样。

我的任务设置如下

但我无法让重采样工作。当我做lda.train <- resample("classif.lda", preProc.Task, rdesc, subset=inTraining)

我得到错误

没有子集（即）的训练 lda.train <- resample("classif.lda", preProc.Task, rdesc)有效。

我宁愿拥有整个数据，而不仅仅是任务中的训练数据，这样当我使用保留数据进行预测时，我不需要预处理和重新提交新数据。关于如何正确设置子集的任何建议？

我有一个分类任务，我设法mlr在几秒钟内使用 LDA（“classif.lda”）对包进行了训练。但是，当我使用“classif.rpart”对其进行训练时，训练从未结束。

对于不同的方法是否有任何不同的设置？

如果需要我的训练数据来复制问题。我试着简单地训练它

运行以下 R 代码后：

运行 str(data) 后，我得到：

任务摘要给出：

然后我得到错误：

对我避免此错误的任何帮助将不胜感激。谢谢。

我正在创建自定义学习器，特别是我正在尝试在 mlr 框架中使用h2o机器学习算法。h2o.deeplearning 函数的“隐藏”参数是我要调整的整数向量。我通过以下方式定义了“隐藏”参数：

我尝试使用以下函数通过网格搜索调整参数“隐藏” makeDiscreteParam：

这导致了警告消息

ps看起来像这样：

这不会导致将隐藏参数调整为向量。我还尝试了其他也不起作用的特殊构造函数（例如makeNumericVectorParam）。有没有人在 mlr 中调整（整数）向量的经验并可以给我一个提示？