问题描述
在mlr3中创建过滤器时,如何仅基于训练数据创建过滤器?
一旦创建了过滤器,您如何将其应用于建模过程,并对训练数据进行子集处理,以仅包括超过特定阈值的过滤器值?
library(mlr3)
library(mlr3filters)
library(mlr3learners)
library(tidyverse)
data(iris)
iris <- iris %>%
select(-Species)
tsk <- mlr3::TaskRegr$new("iris",backend = iris,target = "Sepal.Length")
#split train and test
trn_ids <- sample(tsk$row_ids,floor(0.8 * length(tsk$row_ids)),F)
tst_ids <- setdiff(tsk$row_ids,trn_ids)
#create a filter
filter = flt("correlation",method = "spearman")
# Question 1: how to calculate the filter only for the train IDs?
filter$calculate(tsk)
print(filter)
# Question 2: how to only use only variables with X correlation or greater in training?
learner <- mlr_learners$get("regr.glmnet")
learner$train(tsk,row_ids = trn_ids)
prediction <- learner$predict(tsk,row_ids = tst_ids)
prediction$response
解决方法
可以使用mlr3pipelines
将过滤器包装到学习器中。
mlr3画廊有一个示例here(“功能过滤”部分)。
基本方法是创建一个像这样的图形:
fpipe = po("filter",flt("mim"),filter.nfeat = 3) $>>$ lrn("regr.glmnet")
并将其包装在GraphLearner
中:
lrnr = GraphLearner$new(fpipe)
。
lrnr
现在可以像其他学习者一样使用,并且可以在训练学习者之前根据指定的过滤器在内部过滤功能。