问题描述
我想使用mlr3
在不同数据子集上训练模型,而我想知道是否有一种方法可以在管道中对不同数据子集训练模型。
我想做的事情与R for Data Science - Chapter 25: Many models中的示例相似。假设我们使用相同的数据集gapminder
,该数据集包含世界各国的不同变量,例如GDP和预期寿命。如果我想训练每个国家的预期寿命模型,是否有一种简单的方法可以使用mlr3
创建这样的渠道?
理想情况下,我想使用mlr3pipelines
在图形中为每个子集(例如,每个国家/地区有一个单独的分支)创建一个分支,并在最后添加模型。因此,最终图将在单个节点上开始,并在末端节点上有n
个受过训练的学习者,数据集中每个组(即国家/地区)一个,或者是一个汇总结果的最终节点。我也希望它能用于新数据,例如,如果我们在2020年将来获得新数据,我希望它能够使用针对特定国家/地区训练的模型为每个国家/地区创建预测。
我发现的所有mlr3
示例似乎都涉及整个数据集的模型,或者对模型进行了训练集中的所有组的训练。
当前,我只是为每组数据手动创建一个单独的任务,但是将数据子集步骤合并到建模管道中会很好。
解决方法
如果您具有以下两个包中的功能,这将有所帮助:dplyr
和tidyr
。以下代码显示了如何按国家/地区训练多个模型:
library(dplyr)
library(tidyr)
df <- gapminder::gapminder
by_country <-
df %>%
nest(data = -c(continent,country)) %>%
mutate(model = lapply(data,learn))
请注意,learn
是将单个数据帧作为其输入的函数。稍后我将向您展示如何定义该函数。现在您需要知道从该管道返回的数据帧如下:
# A tibble: 142 x 4
country continent data model
<fct> <fct> <list> <list>
1 Afghanistan Asia <tibble [12 x 4]> <LrnrRgrR>
2 Albania Europe <tibble [12 x 4]> <LrnrRgrR>
3 Algeria Africa <tibble [12 x 4]> <LrnrRgrR>
4 Angola Africa <tibble [12 x 4]> <LrnrRgrR>
5 Argentina Americas <tibble [12 x 4]> <LrnrRgrR>
6 Australia Oceania <tibble [12 x 4]> <LrnrRgrR>
7 Austria Europe <tibble [12 x 4]> <LrnrRgrR>
8 Bahrain Asia <tibble [12 x 4]> <LrnrRgrR>
9 Bangladesh Asia <tibble [12 x 4]> <LrnrRgrR>
10 Belgium Europe <tibble [12 x 4]> <LrnrRgrR>
要定义learn
函数,请按照mlr3网站上提供的步骤进行操作。功能是
learn <- function(df) {
# I create a regression task as the target `lifeExp` is a numeric variable.
task <- mlr3::TaskRegr$new(id = "gapminder",backend = df,target = "lifeExp")
# define the learner you want to use.
learner <- mlr3::lrn("regr.rpart")
# train your dataset and return the trained model as an output
learner$train(task)
}
我希望这可以解决您的问题。
新
请考虑以下步骤来训练模型并预测每个国家/地区的结果。
create_task <- function(id,df,ratio) {
train <- sample(nrow(df),ratio * nrow(df))
task <- mlr3::TaskRegr$new(id = as.character(id),target = "lifeExp")
list(task = task,train = train,test = seq_len(nrow(df))[-train])
}
model_task <- function(learner,task_list) {
learner$train(task_list[["task"]],row_ids = task_list[["train"]])
}
predict_result <- function(learner,task_list) {
learner$predict(task_list[["task"]],row_ids = task_list[["test"]])
}
by_country <-
df %>%
nest(data = -c(continent,country)) %>%
mutate(
task_list = Map(create_task,country,data,0.8),learner = list(mlr3::lrn("regr.rpart"))
) %>%
within({
Map(model_task,learner,task_list)
prediction <- Map(predict_result,task_list)
})