绑定完请刷新页面
取消
刷新

分享好友

×
取消 复制
R语言机器学习笔记(三):mlr学习器定义
2020-07-12 08:24:34

作者:黄天元,复旦大学博士在读,热爱数据科学与开源工具(R),致力于利用数据科学迅速积累行业经验优势和科学知识发现,涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等,著有《R语言高效数据处理指南》(《R语言数据高效处理指南》(黄天元)【摘要 书评 试读】- 京东图书)。知乎专栏:R语言数据挖掘邮箱:huang.tian-yuan@qq.com.欢迎合作交流。

前文提要:

HopeR:R语言机器学习笔记(一):mlr总纲

HopeR:R语言机器学习笔记(二):mlr任务定义


在机器学习中,对任务定义之后,接下来就要选模型了。在mlr包中,可以使用makeLearner函数实现。实现的过程中,我们可以:

1、选择模型。对于不同的任务有不同的模型,已经有的模型列表见Integrated Learners

2、设置输出。如分类问题,可以输出字符型、因子变量或者数值型(pred.type)

3、配置参数。可以根据模型类型来对超参数进行自定义(par.vals)。

4、给予名称。为了后期对比模型的效果并可视化,可以提前为这个模型设立一个名字(id)。

定义好模型后,把它赋值给一个对象,我们来看看官方文档的例子:

# Classification tree, set it up for predicting probabilities
classif.lrn = makeLearner("classif.randomForest", predict.type = "prob", fix.factors.prediction = TRUE)

# Regression gradient boosting machine, specify hyperparameters via a list
regr.lrn = makeLearner("regr.gbm", par.vals = list(n.trees = 500, interaction.depth = 3))

# Cox proportional hazards model with custom name
surv.lrn = makeLearner("surv.coxph", id = "cph")

# K-means with 5 clusters
cluster.lrn = makeLearner("cluster.kmeans", centers = 5)

# Multilabel Random Ferns classification algorithm
multilabel.lrn = makeLearner("multilabel.rFerns")

学习器与定义的任务一样,都是一个对象。针对这个对象,有一系列的方法来获知内部信息(如getParamSet()),以及更改内部信息(如setHyperPars)。此外,还可使用listLearners()来获知都有哪一些学习器。

参考链接:

Learners

分享好友

分享这个小栈给你的朋友们,一起进步吧。

R语言
创建时间:2020-06-15 11:46:51
R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件,它是一个用于统计计算和统计制图的优秀工具。
展开
订阅须知

• 所有用户可根据关注领域订阅专区或所有专区

• 付费订阅:虚拟交易,一经交易不退款;若特殊情况,可3日内客服咨询

• 专区发布评论属默认订阅所评论专区(除付费小栈外)

技术专家

查看更多
  • 小雨滴
    专家
戳我,来吐槽~