mlr3 中的额外学习者

Question

除了随机森林、part、knn、svm、gbm 等，我不能在 mlr3 中使用模型。我正在使用 mlr3extralearners 包，但似乎仍然支持很多模型。如何在 mlr3 中使用 nnet、mlp 等。我有回归问题。

第二点，regr.randomForest和regr.Ranger型号有区别吗？看起来它们具有相同的参数和默认值。如果它们相同并产生相同的结果，那么为什么两者都使用，为什么不只使用一个？

谢谢

Answer 1

通过 class“regr”过滤此 list 以查看哪些 learners 可用于回归问题。

初始化一个learner，例如"regr.kknn"做

# (1) mlr3 learners 
# install.packages("mlr3learners")
library(mlr3learners) 
#> Loading required package: mlr3
#mlr_learners

# (2) extra leaners
# remotes::install_github("mlr-org/mlr3extralearners")
library(mlr3extralearners)
regr_kknn = lrn("regr.kknn")
#> Warning: Package 'kknn' required but not installed for Learner 'regr.kknn'
print(regr_kknn)
#> <LearnerRegrKKNN:regr.kknn>
#> * Model: -
#> * Parameters: k=7
#> * Packages: mlr3, mlr3learners, kknn
#> * Predict Type: response
#> * Feature types: logical, integer, numeric, factor, ordered
#> * Properties: -

^{由 reprex package (v2.0.1)}

于 2022-05-06 创建

然后按照令人愉快的mlr3 book.

中所述设置超参数、训练、预测、重采样等

关于你的第二个问题，我认为 {mlr3} 本身并没有实现 learners。相反，它依赖于几个库。可能这就是 regr.randomForest 和 regr.Ranger 可用的原因。

mlr3 中的额外学习者

Extra learners in mlr3

r

nnet

mlr3