我有一些关于 mlr3-pipelines 的使用问题。事实上,我的目标是创建一个结合三个 3 图的管道:
1 - 处理分类变量的图表:水平插补 => 标准化
imp_cat = po("imputenewlvl", param_vals =list(affect_columns = selector_name(my_cat_variables)))
encode = po("encode", param_vals =list(affect_columns = selector_name(my_cat_variables)))
cat = imp_cat %>>% encode
2 - 处理数值变量子集的图表:平均插补 => 标准化
imp_mean = po("imputemean", param_vals = list(affect_columns =selector_name(my_first_set_of_numeric_variables)))
scale = po("scale", param_vals = list(affect_columns = selector_name(my_first_set_of_numeric_variables)))
num_mean = imp_mean %>>% scale
第三张图用于处理数值变量的另一个子集:中值插补 => 最小最大缩放
imp_median = po("imputemedian", param_vals = list(affect_columns =selector_name(my_second_set_of_numeric_variables)))
min_max = po("scalerange", param_vals = list(affect_columns = selector_name(my_second_set_of_numeric_variables)))
num_median = imp_median %>>% min_max
将这些图组合起来特征Union Ops :
graph = po("copy", 3) %>>%
gunion(list(cat, num_mean, num_median )) %>>%
po("featureunion")
最后在 GraphLearner 中添加学习者:
g1 = GraphLearner$new(graph %>>% po(lrn("classif.ranger")))
我的数据中有一些缺失值,因此在每个图中使用计算机,并且我有一个二进制分类任务。
my_task = TaskClassif$new(id="classif", backend = data, target = "my_target")
理论上,当我开始学习时,我不应该出现缺失值错误。
g1$train(my_task)
但根据我选择的学习者,我有几个错误。如果我使用例如游侠作为学习者:我有这个错误
Error: Missing data in columns: ....
如果我使用 svm、glmnet 或 xgvoost:由于分类变量的存在,我遇到了问题。Error : has the following unsupported feature types: factor...
对于我的管道,我不应该有分类变量,也不应该有缺失值。所以我不知道如何克服这个问题。
1 - 我在每个图中都使用了输入器,为什么有些算法告诉我总是缺少值?
2 - 编码后如何删除分类变量?有些算法不支持这种类型的变量
Updated
我认为在管道期间所做的所有修改都不会保留。换句话说,算法(svm、ranger...)在原始任务上进行训练,而不是在管道更新的任务上进行训练