You need to enable JavaScript to run this app. MLR3中classif.ranger配置class.weights参数触发校验报错的问题咨询
优惠活动
大模型
产品
解决方案
定价
更多

MLR3中classif.ranger配置class.weights参数触发校验报错的问题咨询

解决classif.ranger设置class.weights的参数报错问题

问题根源

mlr3learners内置的classif.ranger学习器,对class.weights的参数校验规则和原生ranger存在偏差:原本ranger的该参数要求传入与类别数量长度一致的权重向量,但mlr3learners在定义学习器参数时,错误将其配置为仅接受单值的ParamDbl类型(强制要求参数长度必须为1),由此触发两类连锁报错:

  • 传入权重向量时,被mlr3的参数校验流程拦截,提示参数长度不符合要求
  • 强制传入单值通过校验后,参数传递到底层ranger函数时,又因为ranger要求权重长度和类别数完全匹配,触发原生函数的参数错误

操作步骤

  1. 手动修正学习器的参数校验规则,去掉class.weights参数的单值长度限制,使其适配原生ranger的参数逻辑
  2. 按照原生ranger的传参规则,传入与类别数匹配的权重向量
  3. 直接执行训练、重采样等流程即可,无需额外调整其他配置

完整可运行代码示例

library(ranger)
library(mlr3)
library(mlr3learners)
library(mlr3misc)
library(paradox)

# 构造测试数据集
dt <- data.frame(x = runif(100), y = factor(sample(0:1, 100, replace = TRUE)))

# 创建二分类任务
task = TaskClassif$new(id = "imbalanced", backend = dt, target = "y") 

# 初始化ranger分类学习器
learner = lrn("classif.ranger")

# 修正class.weights的参数校验规则,移除单值长度限制
learner$param_set$params$class.weights <- ParamDbl$new(
  id = "class.weights",
  lower = 0,
  upper = Inf,
  special_vals = list(NULL),
  tags = c("train")
)

# 传入对应类别的权重值
learner$param_set$values$class.weights = c(0.05, 0.95)

# 执行交叉验证流程
rr = resample(task, learner, rsmp("cv"), store_models = TRUE)

关键注意点

  • 权重向量的元素顺序必须和任务的类别顺序严格一一对应,可通过task$class_names查看当前任务的类别排列顺序,避免权重错配到错误的类别上,导致权重失效
  • 该操作属于对mlr3learners内置参数定义的临时修正,待上游包修复该参数的维度定义问题后,可恢复直接向参数传值的使用方式,无需额外调整校验规则
  • 若后续使用mlr3的超参数调优功能,因为修改了参数的校验规则,需要手动为class.weights定义对应的搜索空间,无法直接使用自动生成的默认参数搜索范围

内容的提问来源于stack exchange,提问作者zmek

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.25 22:27:04