利用mlr预测计数

我使用学习者

regr.gbm

预测计数。在

mlr

之外，直接使用

gbm

包，我使用

distribution=“poisson”

和

predict。gbm

使用

type=“response”

返回原始刻度上的预测，但是我注意到，当我使用

mlr

执行此操作时，预测似乎在对数刻度上：

     truth    response
913      4  0.67348708
914      1  0.28413256
915      3  0.41871237
916      1  0.13027792
2101     1 -0.02092168
2102     2  0.23394970

然而，“真相”不在对数范围内，因此我担心

mlr

中的超参数调整例程将无法工作。作为比较，这是我通过

distribution=“gaussian”

得到的输出

---

处理此问题的最佳方法是什么？

发生这种情况是因为默认情况下，

gbm

会对链路功能规模进行预测（即

distribution=“poisson”

的

log

）。这由

gbm:：predict.gbm

的

type

参数控制（请参见该函数的帮助页面）。不幸的是，

mlr

默认情况下不提供更改此参数（在mlr bugtracker中）。目前的解决方法是手动添加此参数：

lrn <- makeLearner("regr.gbm", distribution = "poisson")
lrn$par.set <- c(lrn$par.set,
  makeParamSet(
    makeDiscreteLearnerParam("type", c("link", "response"),
      default = "link", when = "predict", tunable = FALSE)))
lrn <- setHyperPars(lrn, type = "response")

# show that it works:
counttask <- makeRegrTask("counttask", getTaskData(pid.task),
  target = "pregnant")
pred <- predict(train(lrn, counttask), counttask)
pred

---

通过将此度量值赋给

tuneParams（）

中的

measures

参数，可以将其用于调整。（注意，您必须在列表中给出它：

tuneParams（…measures=list（poissllmeasure）…）

）

mlr不对gbm返回的预测进行任何处理——您能否发布一个完整的示例来说明问题？

lrn <- makeLearner("regr.gbm", distribution = "poisson")
lrn$par.set <- c(lrn$par.set,
  makeParamSet(
    makeDiscreteLearnerParam("type", c("link", "response"),
      default = "link", when = "predict", tunable = FALSE)))
lrn <- setHyperPars(lrn, type = "response")

# show that it works:
counttask <- makeRegrTask("counttask", getTaskData(pid.task),
  target = "pregnant")
pred <- predict(train(lrn, counttask), counttask)
pred

poisllmeasure = makeMeasure(
  id = "poissonllnorm",
  minimize = FALSE,
  best = 0,
  worst = -Inf,
  properties = "regr",
  name = "Mean Poisson Log Likelihood",
  note = "For count data. Normalized to 0 for perfect fit.",
  fun = function(task, model, pred, feats, extra.args) {
    mean(dpois(pred$data$truth, pred$data$response, log = TRUE) -
      dpois(pred$data$truth, pred$data$truth, log = TRUE))
})
# example
performance(pred, poisllmeasure)