使用 mlr-package 构建模型时的自定义性能度量

Question

我刚刚从 caret 切换到 mlr 以解决我目前正在处理的特定问题。我想知道这里是否有人熟悉在 resample() 函数中指定自定义性能度量。

这是一个可重现的代码示例：

library(mlr)
library(mlbench)

data(BostonHousing, package = "mlbench")

task_reg1  <- makeRegrTask(id = "bh", data = BostonHousing, target = "medv")
lrn_reg1   <- makeLearner(cl = "regr.randomForest",
                        predict.type = "response",
                        mtry=3) 
cv_reg1 <- makeResampleDesc("RepCV", folds = 5, reps = 5)

regr_1 <- resample(learner = lrn_reg1,
                     task = task_reg1,
                     resampling = cv_reg1,
                     measures = mlr::rmse)

我想计算平均绝对标度误差，MASE，而不是计算 RMSE。例如，可以在 Metrics 包中找到此功能：Metrics::mase().

我试图将 measures = Metrics::mase 直接包含在 resample() 调用中，但正如预期的那样，有点乐观，我收到以下错误： Error in checkMeasures(measures, task) : Assertion on 'measures' failed: Must be of type 'list', not 'closure'.

我发现 mlr 包中有一个用于创建自定义性能指标的函数，称为 makeMeasure() (https://rdrr.io/cran/mlr/man/makeMeasure.html)。我试着用它做一些试验，但没有成功。我在修改自定义函数方面没有太多经验，所以我希望这里有人可以帮助我，或者为这样的事情提供一些资源。

干杯！

Answer 1

您需要构造一个可以在 makeMeasure() 中应用的函数，其形式为 function(task, model, pred, extra.args)。我们可以围绕 Metrics::mase() 编写一个包装器，这样您就可以在 resample() 中使用这个函数，并且您可以对找到的任何其他指标执行相同的操作。

mase_fun <- function(task, model, pred, feats, extra.args) {
  Metrics::mase(pred$data$truth, pred$data$response, step_size = extra.args$step_size)
}

mase_measure <- makeMeasure(id = "mase", 
                            minimize = T,
                            properties = c("regr", "req.pred", "req.truth"),
                            fun = mase_fun,
                            extra.args = list(step_size = 1))

resample(learner = lrn_reg1,
         task = task_reg1,
         resampling = cv_reg1,
         measures = mase_measure)

使用 mlr-package 构建模型时的自定义性能度量

Custom performance measure when building models with mlr-package

r

function

machine-learning

mlr

performance-measuring