[关键字]:mlr、machine learning [出处]:https://mlr-org.github.io/mlr-tutorial/release/html/ [重点摘要]:e1071、randomForest、caret这些知名的package来回调用 重要的machine learning function吗? 相信一定会有觉得很烦，每个 function怎麽要求的都不同，有的input要matrix有的要全都是数字，都 没有一个整合的平台可以使用吗? 我这不就来了吗。 mlr package是一个整合R上泛用常见的machine learning package的平台 可以让你在一行之内的改变就可以access to大部分的机器学习演算法 [分享内容]: ## 首先你要先告诉mlr你现在的training data是谁，还有你想predict的 ## column name，这篇文章我会以iris来作范例，假如是regression用regr代替 ## classification则用classif，在iris是classification所以是classif tsk <- makeClassifTask(data = iris , target = "Species") ## 这边有一个argument叫ID，再後来是有其他用途的，但这边我不设的话 ## 他预设就是你的dataframe的名称，Species是我们要预测的colname ## 接着我们可以开始训练我们要的model了 mod <- train("classif.randomForest",task = iris) ## 这边是最简易的做法，使用train function给予他你learner的名称与 ## 上面我们赋予的task就能开始训练，mlr接受直接使用""包含你的learning ## method，像是最简单的线性回归就叫做regr.lm，但是这种写法你是使用 ## default的参数，你才可以这样做，若是你想要改变参数的话 lrn <- makelearner(...) ## makelearner function後面还有许多参数可以调整，可以自行参酌manual ## 最後到了predict的阶段 output <- predict(mod,newdata = iris) final <- output$data ## 这样就可以得到最後的训练结果了，在makelearner那部分可以修改predict type ## 将他设成prob就能得到机率结果罗，这边是最最简单的使用方法，基本上machine ## learning里面不论是feature selection、missing value imputation、还有 ## parameter tuning等等等功能全部都包含在这一个package里面，希望能帮助到 ## 想要使用R作为机器学习平台的使用者。需要更详细的tutorial请参照来源， ## 写的跟rstudio里面的文章一样的仔细，一步一步带你做。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 1.172.228.105 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1480241438.A.D44.html