MLR和向量值分类器/多任务学习

R包MLR支持将特征向量映射到一组离散标签Y_1、Y_2、…、Y_k的多标签分类。例如，Y_1，…，可能是分类的人口统计特征，如年龄、收入、性别，这些特征的倍数可能适用于培训数据中的给定示例。我相信这有时被称为多任务学习

一些回归任务，如典型相关分析，也有类似的风格，其中我们的标签是连续的和向量值的。在MLR中表示此类任务的最佳方式是什么？我已经将shoe horn典型相关分析应用到了常规回归任务中，但我严重滥用了

predict

和

performance

方法（我想返回一个向量值预测，它与向量值基本真理相比较）

---

另一种方法是对训练数据进行“矢量化”，使K值目标的每个训练示例出现K次。但是，这会因为问题、预测和绩效评估而失去一些好的结构。

听起来这需要一种特殊类型的任务和学习者（或包装学习者），就像多标签分类一样。

谢谢。是否有任何文档或资源可以让我了解如何定义自定义任务和学习者？中有一节介绍自定义学习者。不幸的是，我们目前没有任何关于定义自定义任务的文档。是的，关于自定义学习者的教程很有帮助，但正如它所说的“定义一种具有特殊属性且不适合现有方案的全新类型的学习者当然是可能的，但要高级得多，这里没有介绍。”您是否有指向我应该浏览的源代码的指针，以了解其中所涉及的内容？用于交叉验证等的mlr框架非常好，所以我很想利用它。任何学习者的源代码都可以。比较分类与回归、生存与集群学习器的实现。