mlr3调优归档提取Random Forest超参数及克隆问题问询

背景 #

基于mlr3官方示例搭建自动化机器学习系统，采用branching机制集成xgboost与Random Forest（ranger）模型。训练阶段xgboost表现最优，已通过instance$result_learner_param_vals提取其最优超参数并构建最终模型。

尝试提取表现最优的Random Forest模型超参数，代码如下：

Arch = as.data.table(instance$archive, exclude_columns = NULL) # 保留uhash字段
best_RF = Arch[branch.selection == "lrn_ranger"]
best_RF = best_RF[which.min(best_RF$regr.rmse), ] # 筛选RMSE最小的RF模型
instance$archive$learner_param_vals(uhash = best_RF$uhash)

lrn_2 = as_learner(graph)
lrn_2$param_set$values = instance$archive$learner_param_vals(uhash = best_RF$uhash)
#lrn_2$param_set$values = instance$archive$learner_param_vals(i = best_RF$batch_nr)

核心问题 #

使用uhash或batch_nr调用instance$archive$learner_param_vals()时，始终返回归档第一行的参数集，而非目标Random Forest的最优超参数。

附带确认点 #

为不同分支构建基准模型时，若不对原始graph进行deep clone，修改克隆后的branch.selection会影响原始graph_learner及已构建的最优xgboost模型，已确认此为预期行为。

解决方案 #

1. 正确提取分支模型超参数 #

在branching场景下，learner_param_vals返回的是整个Graph的完整参数集，分支模型的参数会以嵌套形式存储，需针对性提取：

方法一：从完整参数集中筛选RF参数

# 获取最优RF的归档记录
Arch = as.data.table(instance$archive, exclude_columns = NULL)
best_RF = Arch[branch.selection == "lrn_ranger"][which.min(regr.rmse)]

# 获取该记录对应的完整参数集
full_params = instance$archive$learner_param_vals(uhash = best_RF$uhash)

# 提取属于ranger分支的参数（前缀需匹配你Graph中分支节点的命名）
rf_params = full_params[grepl("lrn_ranger", names(full_params))]
# 去除参数名中的分支前缀，转为ranger原生参数格式
names(rf_params) = gsub("^.*lrn_ranger\\.", "", names(rf_params))

# 构建RF模型并赋值最优参数
lrn_ranger = lrn("regr.ranger")
lrn_ranger$param_set$values = rf_params

方法二：直接从归档params列提取

如果归档已包含params列（exclude_columns=NULL已开启），可直接提取：

# 直接从最优RF记录的params列中获取分支参数
rf_params = best_RF$params[[1]][[best_RF$branch.selection]]

# 构建模型并赋值参数
lrn_ranger = lrn("regr.ranger")
lrn_ranger$param_set$values = rf_params

2. Graph克隆的标准方式 #

为避免修改克隆对象影响原始Graph，必须使用deep_clone()：

graph_clone = deep_clone(graph)
lrn_clone = as_learner(graph_clone)
lrn_clone$param_set$values$branch.selection = "lrn_ranger"

内容的提问来源于stack exchange，提问作者Nucore