如何使用 mlr3 估算数据并使用 NA 值进行预测？

Question

我遵循了 mlr3 的documentation 关于使用管道进行数据插补的内容。但是，如果一列是 NA，我训练的模式不允许预测

你知道为什么它不起作用吗？

训练步骤

library(mlr3)
library(mlr3learners)
library(mlr3pipelines)


data("mtcars", package = "datasets")
data = mtcars[, 1:3]
str(data)
task_mtcars = TaskRegr$new(id="cars", backend = data, target = "mpg")


imp_missind = po("missind")
imp_num     = po("imputehist", param_vals =list(affect_columns = selector_type("numeric")))
scale = po("scale")
learner = lrn('regr.ranger')

graph = po("copy", 2) %>>% 
  gunion(list(imp_num %>>% scale,imp_missind)) %>>%
  po("featureunion") %>>%
  po(learner)
graph$plot()

graphlearner = GraphLearner$new(graph)

预测步骤

data = task_mtcars$data()[12:12,]
data[1:1, cyl:=NA]
predict(graphlearner, data)

错误是

Error: Missing data in columns: cyl.

Answer 1

mlr3gallery 中的示例似乎适用于您的情况，所以您基本上 必须切换imputehist和missind的顺序。

另一种方法是将missind 的which 超参数设置为“all”，以强制为每一列创建一个指标。

这实际上是一个错误，missind 在数据训练后返回完整任务 没有遗漏（这反过来又会覆盖推算值）。 非常感谢您发现它。我正在尝试在这里修复它PR