r - 使用 mlr3 PipeOps 创建具有不同数据子集的分支
问题描述
我想在不同的数据子集上训练模型mlr3
,我想知道是否有办法在管道中的不同数据子集上训练模型。
我想做的类似于R for Data Science - Chapter 25: Many models中的示例。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。如果我想为每个国家/地区训练预期寿命模型,是否有一种简单的方法可以使用创建这样的管道mlr3
?
理想情况下,我想mlr3pipelines
在图中为每个子集创建一个分支(例如,每个国家/地区的一个单独的分支),最后有一个模型。因此,最终图将从单个节点开始,并n
在末端节点训练有素的学习器,数据集中的每个组(即国家)一个,或者聚合结果的最终节点。我还希望它适用于新数据,例如,如果我们在未来获得 2020 年的新数据,我希望它能够使用为该特定国家训练的模型为每个国家创建预测。
我发现的所有mlr3
示例似乎都处理整个数据集的模型,或者使用训练集中的所有组训练了模型。
目前,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。
解决方案
如果你有来自这两个包的功能会有所帮助:dplyr
和tidyr
. 以下代码向您展示了如何按国家/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,这learn
是一个将单个数据帧作为输入的函数。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,我按照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)
}
我希望这能解决你的问题。
新的
考虑以下步骤来训练您的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$new(id = as.character(id), backend = df, target = "lifeExp")
list(task = task, train = train, test = seq_len(nrow(df))[-train])
}
model_task <- function(learner, task_list) {
learner$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, learner, task_list)
})
推荐阅读
- python - 为什么我的 tksheet tkinter 窗口滚动条在调整大小后被隐藏?
- javascript - React Native:何时使用箭头函数
- pie-chart - 空对象引用上的 MPAndroidChart PieChart setData
- action - 是否有另一种方法可以在不使用 action 属性的情况下将表单中的提交按钮链接到另一个页面?
- eloquent - 在 Laravel 错误中使用 Group by 加入查询
- reactjs - 为什么数字没有按顺序上升?
- android - 在 switchmap 中启动协程
- python - Python 上下文管理器
- python - 在 Ariadne GraphQL 响应中添加标头
- .net - 如何从 NuGet 安装包