问题标签 [mlr]

在浏览了几个教程之后，我设法制作了一个脚本，该脚本成功地使用 XGBoost 来预测波士顿住房数据集的分类价格。

但是，我无法使用 CV 成功调整模型的参数。即使在从教程和帖子中尝试了几个解决方案之后，也可以在 stackowerflow 上发布。

到目前为止，我最好的结果是非常“hacky”，并且只调整了一个参数：

但我看到了所有这些花哨的设置，它们使用 MLR 或 Caret 或 NMOF 自动运行多个参数。但是，我还没有接近让任何人处理这些数据。我怀疑这是因为大多数都是为二进制分类设置的，但即使最好地解决这个问题，我也没有成功。我可以为您提供数百行不起作用的代码，但我认为最简单的方法是提供我的代码，只要它可以在这里工作，并听取您的意见，您将如何从这里取得进展，而不是陷入我糟糕的代码中。

编辑：因为我什至运行其他人的脚本都没有成功。以下是一些额外的细节：

我正在尝试使用 MSE 在 MLR 中拆分我的决策树。这是我的代码

它给了我错误

我知道如何在rpart. 但是不知道MLR

我正在尝试使用 mlr、rpart 和 randomforest 包完成关于多类别贷款预测的教程问题。我确实对 NA 和缺失数据的数据进行了预处理，但是当我到达 rpart impute 部分时，impute 函数只是挂起。任何关于我哪里出错的帮助都会很好。

我之前对 rpart impute 的尝试是

我想比较简单的逻辑回归模型，其中每个模型只考虑一组指定的特征。我想对数据的重新采样进行这些回归模型的比较。

R 包mlr允许我在任务级别使用dropFeatures. 代码将类似于：

然后我可以在有任务列表的情况下进行基准测试。

如何生成只考虑一组指定特征的学习器。据我所知，过滤器或选择方法总是应用一些统计程序，但不允许直接选择特征。谢谢！

我有一个问题，要让 mlr 的部分依赖图为我正常工作。不知何故，概率不是情节，而只是类别标签。我怀疑，在创建部分依赖数据的过程中，目标可能会丢失。

有任何想法吗？

这将是我当前会话的详细信息，也许这有帮助？：

在多个算法上运行基准实验时，使用调整包装器等，每个算法都会返回多个模型。

提取每个单独的调整模型（具有各种超参数）以便可以单独访问它们并单独用于预测而没有其他模型的所有包袱等的规范方式或有效方式是什么？

可重现的例子

使用时mlr，拟合模型的参数（根据文档https://mlr-org.github.io/mlr-tutorial/release/html/train/index.html）使用getLearnerModel(). 然而，使用惩罚逻辑回归，这只是告诉我系数的数量，而不是它们是什么。如何获得系数值？这是我无法使用getLearnerModel().

由reprex 包（v0.2.0）于 2018 年 4 月 17 日创建。

我是R新手。我正在使用 R 来探索如何对 svyglm 进行 10 倍交叉验证以进行机器学习。没有一个流行的 R 包，例如 caret、mlr 支持 svyglm。我想使用 mlr 的 makeresamplesinstance 来创建样本折叠/拆分，并在函数/循环中使用它来对 svyglm 进行交叉验证。我的目标是根据交叉验证的估计进行预测，并从预测中产生平均错误分类误差和 auc。

编辑：建立一个 mlr 学习者将是理想的解决方案。对此的任何帮助也将不胜感激。

这是一个可重现的示例：

先感谢您。

是否可以像https://cran.r-project.org/web/packages/survival/vignettes/timedep.pdf中描述的方法一样，使用 mlr 包在生存分析中实现时变协变量？

我已经在 macOS 10.13.4 上安装了 Java 9.0.4 和所有相关的 R 库，以便在 R 3.5.0 中运行以下脚本（在 RStudio 1.1.423 中调用）：

我第一次运行它工作正常，但如果我第二次运行它，我会收到以下错误：

非常感谢任何帮助。