问题标签 [mlr]

我正在尝试使用 R 中的 mlr 包将特征选择应用于袋装学习器，使用顺序前向搜索。

返回以下错误：

当我改用顺序向后搜索时，不会发生错误：

我怎样才能使它适用于顺序前向搜索？谢谢。

R 包 MLR 支持多标签分类，将特征向量映射到一组离散标签 Y_1、Y_2、...、Y_k。例如，Y_1, ...，可能是分类人口统计特征，例如年龄、收入、性别，并且这些特征中的多个可能适用于训练数据中的给定示例。我相信这有时被称为多任务学习。

一些回归任务，例如典型相关分析，具有类似的风格，其中我们的标签是连续的和向量值的。在 MLR 中表示此类任务的最佳方式是什么？我已经将鞋拔规范相关分析管理到常规回归任务中，但是我严重滥用了predictandperformance方法（我想返回一个与向量值基本事实进行比较的向量值预测）。

另一种方法是将训练数据“矢量化”，以便 K 值目标的每个训练示例出现 K 次。然而，这对问题、预测和性能评估失去了一些很好的结构。

如果我想使用 mlr 包对新数据进行预测，我该如何预处理新数据，以便使用原始数据预处理所需的信息。EG 如果我合并小因子水平并且新数据集中的频率与第一个数据集不同，则生成的因子水平可能不同并且无法进行预测。注意：我在这里假设在训练模型时新数据尚不可用，这不是关于测试数据，而是关于预测新数据。那么在 mlr 中应该如何对新数据进行预处理呢？这是一个示例，我创建了一个新任务来预处理导致错误的新数据集：

我的解决方案的另一个问题是，一项新任务似乎需要一个目标变量，该目标变量不适用于新数据集。

我尝试使用以下代码训练 h2o 模型并对新数据进行预测，但这会导致错误。我怎样才能避免这个错误？

导致以下错误：

checkPredictLearnerOutput(.learner, .model, p) 出错：
classif.h2o.deeplearning 的 predictLearner 未将类级别作为列名返回：p0,p1

如果我将 predict.type 更改为“response”，它会起作用。那么如何预测概率呢？

如何保存使用 mlr 包训练的 h2o 模型并将其加载到新会话中以预测新数据集的目标变量？在下面的示例中，我使用 save 和 h2o.saveModel 进行了尝试，但它会引发错误。

有没有办法将来自 mlr 中不同模型的多个预测组合成一个平均预测，以便它可以用于计算性能指标等？

显示我的意思的解决方法可能是

有没有办法在没有变通方法的情况下做到这一点，这种变通方法是否会产生任何不需要的副作用？

是否可以通过 mlr 为 h2o 模型设置种子？我只能直接在 h2o 中找到如何做到这一点，例如

此处的文章演示了 MLR 包。plotLearnerPrediction 函数通过this返回一个 ggplot 对象。我尝试了为下面的 ggplot2 对象提供的 multiplot 函数，但我的 RStudio 崩溃了。我可以在没有 RStudio 的情况下绘制东西

所以

如何在 RStudio 的同一张图片中并排绘制多个 plotLearnerPrediction 对象？

RStudio 版本

命令行上的 R

如果我在不平衡二元目标变量的情况下使用欠采样来训练模型，则预测方法会在平衡数据集的假设下计算概率。如何将这些概率转换为不平衡数据的实际概率？转换参数/函数是在 mlr 包还是其他包中实现的？例如：

我想创建一个具有多个输出的神经网络（多输出回归 - 不是分类） - 因为我从未使用过 mlr，所以我想尝试它并在进入神经网络部分之前立即失败，因为我找不到“任务”用于多输出回归。该文档根本没有帮助。

PS：我真的不需要使用神经网络，所以我愿意接受 MLR 的其他建议，只要它是一个具有多个输出的模型。