问题标签 [mlr]

我正在尝试使用 MLR 包来调整使用 rpart 包构建的决策树的超参数。即使我可以调整决策树的基本参数（例如minsplit，maxdepth等等），我也无法正确设置参数的值param。具体来说，我想priors在网格搜索中尝试不同。

这是我编写的代码（dat是我正在使用的数据框，target也是我的类变量）：

当我尝试执行调整时，使用：

我得到错误

Error in get(paste("rpart", method, sep = "."), envir = environment())(Y, : The parms list must have names

我也尝试定义parms为UntypedParamwith

这是因为通过键入getParamSet("classif.rpart")，在我看来调整接受“无类型变量”而不是离散变量。

但是，当我尝试这个时，我得到了错误：

有人可以帮忙吗？

我想优化 ROC 曲线的某个部分，因此在调整过程中只优化部分 AUC。是否在 mlr 包中可用，是否有适合该目标的另一种度量，或者我是否必须创建一个新的度量对象。如果后者是真的，我该怎么办？

以正常 AUC 作为衡量标准的示例：

我想获取 mlr 包中集成的所有聚类算法的列表。我期望此代码返回它们，但它不包括已卸载的代码：

相反，我收到以下警告：

我做错了什么还是这个功能坏了？

我正在尝试了解用于分类的 MARS/地球模型，并在 R 的 MLR 包中使用“classif.earth”。我的问题是 MLR 文档说“classif.earth”使用地球算法执行灵活的判别分析.

但是，当我查看代码时：（https://github.com/mlr-org/mlr/blob/master/R/RLearner_classif_earth.R）我没有在 mda 包中看到对 fda 的调用，而是指示 earth 以适应具有默认 logit 链接的 glm。

如果我错了，请告诉我，但在我看来，“classif.earth”不是在进行灵活的判别分析，而是在地球模型上拟合逻辑回归。

kknn在 R 中使用mlr包和交叉验证时，是否可以从模型中检索距离矩阵？

cv$models我在or中看不到任何相关内容cv$pred。

我正在使用 mlr 和其他软件包进行生存分析。在 mlr 中，我使用 surv.rpart 和 surv.glmboost。我还使用原始包 rpart 和 mboost 来执行此操作。我发现他们的结果是不同的。这是一个例子：

当我在 mlr 中使用 surv.rpart 时，结果是：

如果我使用原始的 rpart 包，结果是：

为什么我得到了两个不同的结果？看起来 rpart 包直接给了我想要的结果，而来自 mlr 的结果有某种转换。当我使用 surv.glmboost 时也会发生同样的事情：

这是使用 mboost 包的结果：

这是我到目前为止发现的。这可能发生在 surv.cforest 等其他函数上。我的问题是：为什么会这样？以及如何在使用 mlr 包时获得 rpart 和 mboost 等结果？

R 包中的makeStackedLearner函数 mlr 似乎需要super.learnerformethod="stack.cv"和其他（至少在某些情况下）。但是，我找不到任何有关如何选择的信息。在合适的地方寻找什么super.learner？哪些通常是不错的选择？

我刚开始尝试 R 包 mlr，我想知道是否可以自定义训练集和测试集。例如，一个时间序列的数据除了最后一个都是训练集，最后一个是测试集。

这是我的例子：

肺数据来自生存包。我只使用三个维度：时间、地位和年龄。现在，让我们假设它们并不意味着患者的年龄和他们可以存活多长时间。假设这是一位客户的墨水购买历史。

age=74 表示该客户当天购买了 74 瓶墨水，time=306 表示客户在 306 天后用完墨水。所以，我想使用除最后一行之外的所有数据建立一个生存模型。然后，当我有最后一行的数据，即age=58，表示客户当天购买了58瓶墨水时，我可以按时做出预测。接近 177 的数字将是一个很好的估计。所以，我的训练集和测试集是固定的，不需要重新采样。

此外，我需要更改超参数以进行比较。这是我的代码：

你可以看到我使用split=1inmakeResampleDesc因为我有固定的训练集，不需要重新采样。措施makeTuneWrapper目前对我没有意义，因为我需要自定义自己的措施。由于固定的数据拆分，当使用不同的超参数时，我无法使用resample或等函数tuneParams对测试数据进行评估。

所以，我的问题是：当训练集和测试集固定时，mlr 能否为每个超参数提供全面的比较？如果是这样，该怎么做？

顺便说一句，看起来有makeFixedHoldoutInstance可能做到这一点的功能，只是不知道如何使用它。比如我这样使用makeFixedHoldoutInstance，就得到了这样的错误信息：

我正在研究 mlr 并尝试定制自己的分类模型。我正在使用来自https://mlr-org.github.io/mlr-tutorial/release/html/create_learner/index.html#classification的示例。这是我的代码：

我只是从网站上复制并粘贴了这三个功能。但我收到以下错误：

我发现我的tr中没有$learner.model，它应该在那里并被转移到预测函数中。我的 tr 有：

我试过注册学习者，但我想我的方法不对。这是我的代码：

可能我不应该只是从网站上复制代码。但我不知道该怎么做。我对 mlr 包真的很陌生。

我想准备一个数据集以Task在mlr包中使用它。二元因子自变量应该是类因子、逻辑、字符还是整数？是否可以将具有超过 2 个类的因子变量作为因子/字符，或者是否有集成在 mlr 中的模型需要例如 mlr 不会自动进行转换的模型矩阵？对于这些情况，mlr 期望哪些类？

例如：