mlr包特征选择：如何通过内置参数按数据类型应用variance方法？

很高兴你喜欢mlr包！确实它的模型训练流程太省心了，关于你遇到的方差特征选择只适配数值型数据的问题，咱们可以用两种简单的方式解决，mlr其实自带了对应的参数来处理，不用手动折腾复杂的子集化~

方法一：用generateFilterValuesData内置的feat.type参数 #

mlr的generateFilterValuesData函数本身就有**feat.type这个内置参数**，专门用来指定要处理的特征类型。对于方差过滤，咱们只需要把它设为"numeric"，函数就会自动只对数值型特征计算方差，完全忽略分类变量，完美契合你的需求！

修改后的完整代码如下：

library(data.table)
library(dplyr)
library(mlr)
data(BreastCancer, package = "mlbench")

df = BreastCancer
df$Id = NULL # 移除无关的Id特征
names(df) <- tolower(names(df))

# 把指定列转换为整数型（修正了你原代码里的sapply写法，避免结果异常）
cols = c(1:5)
df[, cols] = sapply(df[, cols], as.integer)
glimpse(df)

# 创建分类任务
classif.task = makeClassifTask(id = 'BreastCancer', data = df, target = 'class')

# 对缺失值做插补处理
imp = impute(classif.task, cols = list(bare.nuclei = imputeMode()))

# 仅针对数值型特征计算方差过滤值
feature.imp = generateFilterValuesData(
  task = imp$task, 
  method = 'variance',
  feat.type = "numeric" # 关键参数：指定只处理数值型特征
)

# 查看特征方差结果
print(feature.imp$filter.values)

方法二：手动筛选数值型特征后再创建任务 #

如果你更习惯先手动整理数据，也可以先筛选出所有数值型特征加上目标变量，再创建任务进行后续操作：

# 筛选出数据中的数值型列
numeric_cols <- sapply(df, is.numeric)
# 保留数值型列和目标列class
numeric_df <- df[, c(names(numeric_cols[numeric_cols]), "class")]

# 创建仅包含数值型特征的分类任务
numeric_task = makeClassifTask(id = 'BreastCancerNumeric', data = numeric_df, target = 'class')

# 插补处理（如果需要）
imp_numeric = impute(numeric_task, cols = list(bare.nuclei = imputeMode()))

# 计算方差过滤值
feature.imp_numeric = generateFilterValuesData(task = imp_numeric$task, method = 'variance')

验证结果 #

运行方法一的代码后，你可以通过feature.imp$filter.values看到只有数值型特征的方差结果，不会再出现分类变量导致的错误啦~

内容的提问来源于stack exchange，提问作者Shoaibkhanz