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
- 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 - 按照原生ranger的传参规则,传入与类别数匹配的权重向量
- 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
相关产品推荐

