使用mlr预测计数

Question

我正在使用learner regr.gbm来预测计数。在mlr之外，直接使用gbm包，我使用distribution = "poisson"和predict.gbm，使用type = "response"，返回原始尺度上的预测，但是我注意到，当我使用mlr执行此操作时，预测似乎是对数尺度：

     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，事实并非如此，因此我担心mlr中的超参数调优例程将无法工作。为了便于比较，这是我使用distribution = "gaussian"得到的输出。

     truth response
913      4 2.028177
914      1 1.334658
915      3 1.552846
916      1 1.153072
2101     1 1.006362
2102     2 1.281811

处理这个问题的最好方法是什么？

Answer 1

这是因为gbm在默认情况下对链接函数规模(对于distribution = "poisson"是log )进行预测。这是由gbm::predict.gbm的type参数控制的(参见该函数的帮助页面)。不幸的是，默认情况下，mlr不提供更改此参数的功能( mlr错误跟踪器中的it was reported)。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

请注意，在调整计数数据上的参数时，默认回归度量(平方误差的平均值)可能会过度强调适合具有较大计数值的数据点。预测"10“而不是"1”的平方误差与预测"1010“而不是"1001”的误差相同，但根据您的目标，您可能希望将更多权重放在本例中的第一个误差上。

一种可能的解决方案是使用(标准化的)平均泊松对数似然作为度量：

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)

通过将此度量赋给tuneParams()中的measures参数，可以使用此度量进行调优。(请注意，您必须以列表形式给出：tuneParams(... measures = list(poisllmeasure) ...))