在mlr3中，如何根据指标列和批量训练预测对任务进行子集？ 背景

我正在用R中的mlr3包进行建模和预测。我正在使用一个由测试集和训练集组成的大数据集。测试和列车组由指示器列指示（代码：Test_或Test_train）

目标

使用数据集中的“训练”或“测试”列指示的训练行对所有学习者进行批量训练

与各自的受训学员一起，批量预测“测试”或“训练”列中“测试”指定的行

代码

带有测试列指示器列的支架数据集。（在实际数据中，列车测试拆分不是人工的）

两个任务（在实际代码中，任务是不同的，而且还有更多）

库（readr）
图书馆（mlr3）
图书馆（MLR3学习者）
库（MLR3管道）
图书馆（reprex）
图书馆（插入符号）
#资料
urlfile=https://raw.githubusercontent.com/shudras/office_data/master/office_data.csv'
数据=读取csv（url（url文件））[-1]
##创建人工分区以测试和训练集合
art_part=createDataPartition（数据$imdb_评级，列表=FALSE）
列车=数据[艺术部分]
测试=数据[-艺术部分，]
##添加测试列指示器
列车$test\u或列车=‘列车’
测试$test\u或列车='test'
##我想使用/正在使用的数据集
数据=rbind（测试，列车）
#创建两个任务（此处任务相同，但在我的数据集中任务不同。）
任务1=
TaskRegr$新(
id='office1'，
后端=数据，
目标='imdb_评级'
)
任务2=
TaskRegr$新(
id='office2'，
后端=数据，
目标='imdb_评级'
)
#型号规格
图=
采购订单（‘比例’）%%>%
lrn（'regr.cv_glmnet'，
id='rp'，
α=1，
族='高斯'
) 
#学习者创造
学习者=图形学习者$new（图形）
#目标
## 1. 使用数据集中的“训练”或“测试”列指示的训练行对所有学习者进行批量训练
## 2. 与相应的受训学员一起，批量预测“测试”或“训练”列中“测试”指定的行

由（v0.3.0）于2020年6月22日创建

注 我尝试使用带有行ID的基准网格来只训练学习者使用列行，但这不起作用，而且使用列指示符也不可能比使用行索引容易得多。使用列测试序列指示符，可以使用一条规则（用于拆分），而使用行索引仅在任务包含相同行时有效

基准网格( 任务=列表（任务1、任务2）， 学习者=学习者， row_id=train_rows#不是参数，也不利于使用索引 )

---

您可以将

基准测试

与自定义设计一起使用

下面应该做这项工作（注意，我分别为每个

任务

实例化了一个自定义

重采样

）

library(data.table)
design = data.table(
  task = list(task1, task2),
  learner = list(learner)
)

library(mlr3misc)
design$resampling = map(design$task, function(x) {
  # get train/test split
  split = x$data()[["test_or_train"]]
  # remove train-test split column from the task
  x$select(setdiff(x$feature_names, "test_or_train"))
  # instantiate a custom resampling with the given split
  rsmp("custom")$instantiate(x,
    train_sets = list(which(split == "train")),
    test_sets = list(which(split == "test"))
  )
})

benchmark(design)

您能否更清楚地说明批处理的含义，或者这是否回答了您的问题