R mlr3分类任务报错'termlabels' must be a character vector问题

错误根因 #

• 你的测试数据集仅包含1个输入特征pred，该特征所有取值分布在0.05~0.11区间，方差约为0.0002，远低于你设置的方差过滤阈值0.05，因此FilterVariance步骤将唯一的输入特征完全过滤，下游随机森林分类器接收不到任何有效输入特征，触发公式构建报错。

可选解决方案 #

方案1：调低方差过滤阈值 #

将方差过滤的cutoff参数调整到低于特征实际方差的数值，即可保留唯一输入特征：

# 仅修改过滤步骤的阈值参数即可
filter1 = mlr_pipeops$get("filter", filter = mlr3filters::FilterVariance$new(),param_vals = list(filter.cutoff = 0.0001))

方案2：更换分类任务适配的过滤方法 #

方差过滤属于无监督特征选择方法，对分类任务的特征区分度判断没有针对性，你可以替换为分类任务专用的过滤方法，比如互信息过滤：

# 替换为互信息过滤，适配分类任务场景
filter1 = mlr_pipeops$get("filter", filter = mlr3filters::FilterMutualInformation$new(), param_vals = list(filter.cutoff = 0))

方案3：移除不必要的特征过滤步骤 #

如果你的业务场景中特征数量极少，特征过滤步骤本身没有必要，可直接去掉过滤节点，简化管道：

# 直接构建仅含学习器的管道即可
graph = PipeOpLearner$new(lrn("classif.randomForest", predict_type = "prob"), id = "randF")

修改后重新运行训练代码即可正常完成模型训练。

内容的提问来源于stack exchange，提问作者Pizza-Fan