问题描述
我希望将 {ranger} 包中随机森林的所有预测存储在 ml3 预测对象中,然后将各个树的预测用作另一个学习器的特征。
代码:
library("mlr3")
library("mlr3learners")
task = tsk("iris")
learner = lrn("classif.ranger",predict.all = TRUE)
# Train
train_set = sample(task$nrow,0.8 * task$nrow)
test_set = setdiff(seq_len(task$nrow),train_set)
learner$train(task,row_ids = train_set)
# Predition
prediction = learner$predict(task,row_ids = test_set)
print(prediction)
错误:
check_prediction_data.PredictionDataClassif(pdata) 中的错误:
关于“as_factor(pdata$response,levels = lvls)”的断言失败:必须
长度为 30,但长度为 15000。
有人可以帮我解决这个问题吗?
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)