如何使用 mlr3tuning 的 tune_nested()？答案

【问题标题】：how to use tune_nested() of mlr3tuning?如何使用 mlr3tuning 的 tune_nested()？
【发布时间】：2022-02-17 21:32:22
【问题描述】：

rm(list = ls())
library(mlr3verse)
task <- tsk(\"pima\")
learner <- lrn(\"classif.rpart\")
measure <- msr(\"classif.ce\")
inner_resample <- rsmp(\"cv\", folds = 5)
outer_resample <- rsmp(\"cv\", folds = 5)
search_space <- ps(
  cp = p_dbl(lower = 0.001, upper = 0.1)
)
rr <- tune_nested(
  method = \"grid_search\",
  resolution = 5,
  task = task,
  learner = learner,
  inner_resampling = inner_resample,
  outer_resampling = outer_resample,
  search_space = search_space,
  term_evals = 5
)

我总是收到这个错误：

Error in terminator_selection(term_evals, term_time) : 
  Assertion on \'term_evals\' failed: Must be of type \'single integerish value\' (or \'NULL\'), not \'ParamSet/R6\'.

我不知道我的代码有什么问题。有人可以给一些建议吗？非常感谢。

标签： mlr3

【解决方案1】：

你发现了一个错误。我们会解决这个问题。但是，如果您设置measure，它应该可以工作。

library(mlr3verse)
task <- tsk("pima")
learner <- lrn("classif.rpart")
measure <- msr("classif.ce")
inner_resample <- rsmp("cv", folds = 5)
outer_resample <- rsmp("cv", folds = 5)
search_space <- ps(
  cp = p_dbl(lower = 0.001, upper = 0.1)
)
rr <- tune_nested(
  method = "grid_search",
  resolution = 5,
  task = task,
  learner = learner,
  inner_resampling = inner_resample,
  outer_resampling = outer_resample,
  measure = measure,
  search_space = search_space,
  term_evals = 5
)

【讨论】：

天哪，这让我困惑了几天。希望你能尽快修复它。
我还有另一个关于tune 和tune_nested 的问题，我如何在这两个函数中使用两个度量（多个度量）？谢谢您的回答。
您是想优化两个度量（多标准优化）还是只优化一个度量（单一标准）并另外在第二个度量上对超参数配置进行评分？在后一种情况下，调谐器会忽略第二个度量，但您可以在存档中看到性能分数。
该错误已在 GitHub 版本中修复。 CRAN 版本应该会在几个小时内上线。感谢您的报告。