我遵循mlr3的documentation,关于使用管道进行数据插入。但是,如果一栏为NA
,我训练的模式不允许进行预测您知道为什么它不起作用吗?
训练步骤
library(mlr3)
library(mlr3learners)
library(mlr3pipelines)
data("mtcars", package = "datasets")
data = mtcars[, 1:3]
str(data)
task_mtcars = TaskRegr$new(id="cars", backend = data, target = "mpg")
imp_missind = po("missind")
imp_num = po("imputehist", param_vals =list(affect_columns = selector_type("numeric")))
scale = po("scale")
learner = lrn('regr.ranger')
graph = po("copy", 2) %>>%
gunion(list(imp_num %>>% scale,imp_missind)) %>>%
po("featureunion") %>>%
po(learner)
graph$plot()
graphlearner = GraphLearner$new(graph)
预测步骤
data = task_mtcars$data()[12:12,]
data[1:1, cyl:=NA]
predict(graphlearner, data)
错误是
Error: Missing data in columns: cyl.
mlr3gallery中的示例似乎适合您的情况,因此您基本上必须切换imputehist
和missind
的顺序。
另一种方法是将missind的which
超参数设置为“全部”,以便为每列强制创建指标。
这实际上是一个错误,如果经过数据培训,missind
将返回完整任务没有遗漏(然后覆盖了估算值)。非常感谢您发现它。我正在尝试在这里修复它PR