mlr3

项目网站: release |
dev

机器学习基础组件的高效面向对象编程。mlr 的继任者。

资源（面向用户和开发者）

• 我们编写了一本书籍。这应该是该包的中心入口点。
• mlr-org 网站 包含例如案例研究图库。
• 参考手册
• 常见问题
• 在 Stackoverflow 提问（标签 mlr3）
• 扩展学习器
  • 推荐的核心回归、分类和生存学习器位于 mlr3learners
  • 其余学习器位于 mlr3extralearners
  • 使用 学习器搜索 获取简单概览
• 速查表
  • 速查表概览
  • mlr3
  • mlr3tuning
  • mlr3pipelines
• 视频:
  • useR2019 关于 mlr3 的演讲
  • useR2019 关于 mlr3pipelines 和 mlr3tuning 的演讲
  • useR2020 关于 mlr3、mlr3tuning 和 mlr3pipelines 的教程
• 课程/讲座
  • 课程 机器学习入门 (I2ML) 是一门免费开放的翻转课堂课程，介绍机器学习基础。mlr3 在 演示 和 练习 中使用。
• 模板/教程
  • mlr3-targets: 展示如何使用 {mlr3} 与 targets 进行可重复的 ML 工作流自动化。
  • 使用 mlr3viz 和 animint2 进行交互式可视化。
• 扩展包列表
• mlr-outreach 包含公开演讲和幻灯片资源。
• Wiki: 主要包含开发者信息。

安装

从 CRAN 安装最新版本：

install.packages("mlr3")

从 GitHub 安装开发版本：

# install.packages("pak")
pak::pak("mlr-org/mlr3")

如果想开始使用 mlr3，我们推荐安装 mlr3verse 元包，它会安装 mlr3 和一些最重要的扩展包：

install.packages("mlr3verse")

示例

构建学习器和任务

library(mlr3)

# 创建学习任务
task_penguins = as_task_classif(species ~ ., data = palmerpenguins::penguins)
task_penguins

## 
## ── <TaskClassif> (344x8) ───────────────────────────────────────────────────────
## • 目标: species
## • 目标类别: Adelie (44%), Gentoo (36%), Chinstrap (20%)
## • 属性: 多类
## • 特征 (7):
##   • 整数 (3): body_mass_g, flipper_length_mm, year
##   • 双精度 (2): bill_depth_mm, bill_length_mm
##   • 因子 (2): island, sex

# 加载学习器并设置超参数
learner = lrn("classif.rpart", cp = .01)

基础训练 + 预测

# 训练/测试划分
split = partition(task_penguins, ratio = 0.67)

# 训练模型
learner$train(task_penguins, split$train_set)

# 预测数据
prediction = learner$predict(task_penguins, split$test_set)

# 计算性能
prediction$confusion

##            truth
## response    Adelie Chinstrap Gentoo
##   Adelie       146         5      0
##   Chinstrap      6        63      1
##   Gentoo         0         0    123

measure = msr("classif.acc")
prediction$score(measure)

## classif.acc 
##   0.9651163

重采样

# 3折交叉验证
resampling = rsmp("cv", folds = 3L)

# 运行实验
rr = resample(task_penguins, learner, resampling)

# 访问结果
rr$score(measure)[, .(task_id, learner_id, iteration, classif.acc)]

##                     task_id    learner_id iteration classif.acc
## 1: palmerpenguins::penguins classif.rpart         1   0.8956522
## 2: palmerpenguins::penguins classif.rpart         2   0.9478261
## 3: palmerpenguins::penguins classif.rpart         3   0.9649123

rr$aggregate(measure)

## classif.acc 
##   0.9361302

扩展包

请查阅 wiki 获取简要描述和相应仓库的链接。

对于初学者，我们强烈建议安装并加载 mlr3verse 包以获得更好的用户体验。

为什么进行重写？

mlr 最初于 2013 年发布到 CRAN。其核心设计和架构可以追溯到更早的时期。随着许多功能的增加，导致了功能蔓延，使mlr难以维护和扩展。我们认为虽然 mlr 在某些部分（如学习器、度量等）具有良好的可扩展性，但其他部分从外部扩展起来较为困难。此外，当 mlr 被创建时，许多有用的 R 库尚未存在，它们的引入会导致非平凡的 API 变更。

设计原则

• 本包仅实现机器学习的基本构建块。
• 专注于计算。不包含可视化或其他功能。这些可以放在其他包中。
• 通过 R6 克服 R 的 S3 类 的限制。
• 使用 R6 实现清晰的面向对象设计（OO-design）、对象状态变更和引用语义。这可能与传统的 R 用法不同，但似乎与 mlr 非常契合。
• 使用 data.table 实现快速且便捷的数据框计算。
• 结合 data.table 和 R6，我们将大量使用数据表中的列表列。
• 防御性编程和类型安全。所有用户输入都通过 checkmate 进行检查。返回类型会进行文档说明，并避免使用 base R 中可能导致结果不可预测简化的机制（例如 sapply() 或 [.data.frame 中的 drop 参数）。
• 依赖项尽量轻量。mlr3 运行时需要以下包：
  • parallelly：并行化的辅助函数。无额外递归依赖。
  • future.apply：通过 future 抽象接口对重采样和基准测试进行并行化，该接口支持多种并行后端。
  • backports：确保与旧版 R 的向后兼容性。由 mlr 团队成员开发。无递归依赖。
  • checkmate：快速参数检查。由 mlr 团队成员开发。无额外递归依赖。
  • mlr3misc：用于多个 mlr3 扩展包 的杂项功能。由 mlr 团队开发。
  • paradox：参数和参数集的描述。由 mlr 团队开发。无额外递归依赖。
  • R6：引用类对象。无递归依赖。
  • data.table：R 的 data.frame 扩展。无递归依赖。
  • digest（通过 mlr3misc）：哈希摘要。无递归依赖。
  • uuid：生成唯一字符串标识符。无递归依赖。
  • lgr：日志功能。无额外递归依赖。
  • mlr3measures：性能度量标准。无额外递归依赖。
  • mlbench：机器学习数据集集合。无依赖。
  • palmerpenguins：关于企鹅的分类数据集，用于示例并作为玩具任务提供。无依赖。
• 反射：对象可以查询属性和功能，允许对其进行编程。
• 需要额外依赖项的附加功能：
  • 为了捕获输出、警告和异常，可以使用 evaluate 和 callr。

贡献于 mlr3

这个 R 包采用 LGPL-3 许可证。如果您在使用此软件时遇到问题（文档缺失、误导性或错误文档、意外行为、bug 等），或只是想提出功能建议，请在 问题跟踪器 中打开一个问题。欢迎提交 Pull Request，是否采纳由维护者决定。

请参阅 wiki 中的 风格指南、roxygen 指南 和 Pull Request 指南。

引用 mlr3

如果您使用 mlr3，请引用我们的 JOSS 文章:

@Article{mlr3,
  title = {{mlr3}: A modern object-oriented machine learning framework in {R}},
  author = {Michel Lang and Martin Binder and Jakob Richter and Patrick Schratz and Florian Pfisterer and Stefan Coors and Quay Au and Giuseppe Casalicchio and Lars Kotthoff and Bernd Bischl},
  journal = {Journal of Open Source Software},
  year = {2019},
  month = {dec},
  doi = {10.21105/joss.01903},
  url = {https://joss.theoj.org/papers/10.21105/joss.01903},
}

mlr3 快速上手指南

环境准备

• 系统要求：R语言环境（≥3.5.0）
• 前置依赖：
  • R6（R6包）
  • data.table（数据处理）
  • 无需额外配置，标准R环境即可运行

安装步骤

安装稳定版（推荐国内镜像加速）：

install.packages("mlr3", repos = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")

安装开发版（GitHub）：

# 安装pak包（若未安装）
install.packages("pak")
pak::pak("mlr-org/mlr3")

安装完整生态包（mlr3verse）：

install.packages("mlr3verse")

基本使用

library(mlr3)
library(palmerpenguins)  # 确保数据集已加载

# 创建分类任务
task_penguins = as_task_classif(species ~ ., data = palmerpenguins::penguins)

# 加载决策树学习器
learner = lrn("classif.rpart", cp = 0.01)

# 训练与预测
split = partition(task_penguins, ratio = 0.67)
learner$train(task_penguins, split$train_set)
prediction = learner$predict(task_penguins, split$test_set)

# 评估性能
prediction$confusion  # 混淆矩阵
measure = msr("classif.acc")
prediction$score(measure)  # 准确率

交叉验证示例：

resampling = rsmp("cv", folds = 3L)
rr = resample(task_penguins, learner, resampling)
rr$aggregate(msr("classif.acc"))  # 3折交叉验证平均准确率