在mlr3中调优xgboost时，如何将early_stopping_rounds设为nrounds的10%？

要调优surv.xgboost学习器，让early_stopping_rounds自动设为nrounds的10%，但直接给early_stopping_rounds传to_tune会报错，报错信息显示参数生成的值不兼容。

错误原因 #

你原来的写法错误地给单个参数early_stopping_rounds绑定了独立的调优参数集，而mlr3中处理参数间依赖关系，应该把转换逻辑放在整个学习器的参数集的trafo函数里，而不是单独给该参数加to_tune。

解决方案代码 #

library(mlr3verse)

# 创建surv.xgboost学习器
learner = lrn("surv.xgboost")

# 给学习器的参数集添加转换逻辑：根据nrounds计算early_stopping_rounds
learner$param_set$trafo = function(x, param_set) {
  if (!is.null(x$nrounds)) {
    x$early_stopping_rounds = ceiling(0.1 * x$nrounds)
  }
  x
}

# 仅设置nrounds为调优参数，early_stopping_rounds会自动计算
learner$param_set$values = list(
  nrounds = to_tune(50, 5000)
)

# 验证参数生成效果
design = generate_design_random(learner$param_set$search_space(), 3)
print(design$transpose())

说明 #

这个写法的核心是利用学习器参数集的trafo函数处理参数依赖：当调优过程生成nrounds的取值后，自动计算出对应的early_stopping_rounds（nrounds的10%向上取整），不需要给early_stopping_rounds单独设置调优规则。

你之前测试的独立参数集trafo逻辑是有效的，但放到学习器参数配置时，不能直接给单个参数嵌套to_tune，必须通过整个参数集的trafo来实现参数间的动态计算。

内容的提问来源于stack exchange，提问作者John