使用rpart的mlr分类培训未完成

我有一个分类任务，我设法在几秒钟内使用LDA（“classif.LDA”）对mlr包进行训练。然而，当我使用“classif.rpart”训练它时，训练从未结束

对于不同的方法是否有不同的设置

如果需要复制问题，我的培训数据。我试着用简单的方法来训练它

pred.bin.task <- makeClassifTask(id="CountyCrime", data=dftrain, target="count.bins")
train("classif.rpart", pred.bin.task)

---

pred.bin.task一般来说，在切换学习者时，您不需要更改任何有关设置的内容，
mlr
的一个要点就是简化设置！但这并不意味着它总是有效的，因为不同的学习方法在幕后会做不同的事情

在这种特殊情况下，模型的训练似乎需要很长时间，因此您可能没有等待足够长的时间来完成。您有一个相当大的数据帧

查看您的数据，您似乎在
count.bins
中有一个值间隔。R将其视为一个因子（即，仅当字符串完全匹配时，间隔才相同），这可能不是您想要的。您可以将开始和结束编码为单独的（数字）功能。
感谢Lars的回复。我不认为这是因为我没有等待足够长的时间，因为正如我提到的，它在lda中在几秒钟内完成，我为rpart等待了一个小时。我在caret上运行了一个类似的数据集（更大，我放在这里的是一个子集），rpart在lda几秒钟后完成，所以我没想到在mlr上会有这么大的时差。mlr上的lda比插入符号上的lda快。嗯，很有趣。我尝试直接运行
rpart
，这也需要很长时间。你到底是如何使用插入符号的？我用默认参数尝试过，它确实很快就完成了，但是它在内部对数据进行二次采样，所以模型是在较小的子集上训练的。非常有趣。我没有直接尝试训练
rpart
，现在我尝试了，是的，这需要很长时间（我停止了），但在
插入符号中仍然很快。我使用
caret:：train（count.bins~，data=dftrain，method=“rpart”，trControl=fitControl）对插入符号进行了培训，其中
fitControl是正确的，因此只能对数据的子集进行培训。在
mlr
中，您需要对其进行重新采样描述，请参阅。我明白了。在任何情况下，
rpart
似乎都不喜欢数据的特定部分（如果使用不同的随机种子或不同的分区或类似的方法，您可能会遇到与插入符号相同的问题）。