在MLR包中調整rpart中的parms？

我正在嘗試使用MLR軟件包來調整使用rpart軟件包構建的決策樹的超參數。即使我可以調整決策樹的基本參數（例如minsplit,maxdepth等），我也無法正確設置參數param的值。具體來說，我想在網格搜索中嘗試不同的priors。在MLR包中調整rpart中的parms？

在這裏，我寫的代碼（dat是我使用的數據幀，並target是我的類變量）：

# Create a task 
dat.task = makeClassifTask(id = "tree", data = dat, target = "target") 
# Define the model 
resamp = makeResampleDesc("CV", iters = 4L) 
# Create the learner 
lrn = makeLearner("classif.rpart") 
# Create the grid params 
control.grid = makeTuneControlGrid() 
ps = makeParamSet(
    makeDiscreteParam("cp", values = seq(0.001, 0.006, 0.002)), 
    makeDiscreteParam("minsplit", values = c(1, 5, 10, 50)), 
    makeDiscreteParam("maxdepth", values = c(20, 30, 50)), 
    makeDiscreteParam("parms", values = list(prior=list(c(.6, .4), 
                 c(.5, .5)))) 
)

當我試圖執行的微調，加上：

# Actual tuning, with accuracy as evaluation metric 
tuned = tuneParams(lrn, task = dat.task, 
        resampling = resamp, 
        control = control.grid, 
        par.set = ps, measures = acc)

我收到錯誤

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

我也試圖定義parms爲UntypedParam與

makeUntypedParam("parms", special.vals = list(prior=list(c(.6, .4), c(.5,.5))))

這是因爲，通過鍵入getParamSet("classif.rpart")，在我看來，調諧接受一個「無類型變量」，而不是一個離散的一。

然而，當我嘗試，我得到的錯誤：

Error in makeOptPath(par.set, y.names, minimize, add.transformed.x, include.error.message, : 
    OptPath can currently only be used for: numeric,integer,numericvector,integervector,logical,logicalvector,discrete,discretevector,character,charactervector

有人能幫忙嗎？

來源

2017-07-20 aprospero

你必須定義參數"parms"這樣的：

makeDiscreteParam("parms", values = list(a = list(prior = c(.6, .4)), b = list(prior = c(.5, .5))))

a和b可以是任意的名字，只是反映實際價值的話。

來源

2017-07-20 12:26:08

完美，謝謝！ – aprospero

在MLR包中調整rpart中的parms？

回答

相關問題