mlr包resample多学习器重采样报错：参数learner缺失解决方法

错误原因 #

mlr包的resample()函数仅支持传入单个学习器（对应参数learner），你当前传入的是多个学习器组成的列表（命名为learners），函数找不到必填的learner参数，因此抛出报错。

解决方案 #

使用benchmark()函数替代resample()，该函数专门支持同时评估多个学习器，参数逻辑与resample()兼容，只需将原代码中的resample替换为benchmark即可：

library(mlr)

learners = makeLearners(cls = c("C50", "rpart","ada","naiveBayes"), type = "classif", predict.type = "prob")

data_task = makeClassifTask(data = dataset, target = "y_dx")

repCV = makeResampleDesc(method = "RepCV", folds = 5 ,stratify = TRUE)
# 替换为benchmark函数
valCV = benchmark(
    learners = learners, 
    tasks = data_task, 
    resamplings = repCV, 
    measures = list(mmce, acc, auc))

补充说明 #

• benchmark()的返回结果结构与resample()略有不同，可以通过getBMRAggrPerformances(valCV)提取各学习器的聚合性能指标。
• 确保所有学习器的predict.type与你指定的评估指标兼容（比如auc需要predict.type = "prob"，你的代码已经正确设置）。

内容的提问来源于stack exchange，提问作者royer