R语言 使用 MLR 包调整随机森林截止值

Question

我一直在探索带有泰坦尼克号数据集的奇妙mlr包。 我的问题是实现随机森林。 更具体地说，我想调整cutoff(即将不纯的叶子分配给给定类的阈值)。 问题是cutoff参数需要两个值，但是，我只能找出超参数在单个值mlr上交。

代码：

library(mlr)
library(dplyr)
dTrain <- read.csv('path/to/data/')
#Defining the Task
trainTask <- makeClassifTask(data = dTrain %>% 
select(-Name, -Ticket, -Cabin) %>% 
filter(complete.cases(.)), 
target = "Survived", 
id = "PassengerId")
#Defining Learning
rfLRN <- makeLearner("classif.randomForest")
#Defining the Parameter Space
ps <- makeParamSet(
makeDiscreteParam("cutoff", values = list(c(.5,.5), c(.75,.25)))
)

这就是问题所在，cutoff需要两个值，但是，我不确定如何传递这两个值。 上述尝试是错误的。 我尝试了其他几个参数生成器，即makeDiscreteVectorParam等。但无济于事。 有什么提示吗？

相反，如果我尝试调整像mtry这样的参数(即在给定拆分时要从中选择的功能数量)，一切正常。

#Defining the Hyperparameter Space
ps = makeParamSet(
makeDiscreteParam("mtry", values = c(2,3,4,5))
)
#Defining Resampling
cvTask <- makeResampleDesc("CV", iters=5L)
#Defining Search
search <-  makeTuneControlGrid()
#Tune!
tune <- tuneParams(learner = rfLRN
,task = trainTask
,resampling = cvTask
,measures = list(acc)
,par.set = ps
,control = search
,show.info = TRUE)

Answer 1

看起来您需要为这些分类截止值分配名称，例如：

#Defining the Parameter Space
ps <- makeParamSet(
makeDiscreteParam("cutoff", values = list(
a=c(.50,.50),
b=c(.75,.25)))
)

输出：

> tune <- tuneParams(learner = rfLRN
+                    ,task = trainTask
+                    ,resampling = cvTask
+                    ,measures = list(acc)
+                    ,par.set = ps
+                    ,control = search
+                    ,show.info = TRUE)
[Tune] Started tuning learner classif.randomForest for parameter set:
Type len Def Constr Req Tunable Trafo
cutoff discrete   -   -    a,b   -    TRUE     -
With control class: TuneControlGrid
Imputation value: -0
[Tune-x] 1: cutoff=a
[Tune-y] 1: acc.test.mean=0.828; time: 0.0 min
[Tune-x] 2: cutoff=b
[Tune-y] 2: acc.test.mean=0.776; time: 0.0 min
[Tune] Result: cutoff=a : acc.test.mean=0.828