如何预测`tune_nested`之后的新数据集？

Question

# retrieve task
task = tsk("pima")

# load learner and set search space
learner = lrn("classif.rpart", cp = to_tune(1e-04, 1e-1, logscale = TRUE))

# nested resampling
rr = tune_nested(
  method = "random_search",
  task =  task,
  learner = learner,
  inner_resampling = rsmp("holdout"),
  outer_resampling = rsmp("cv", folds = 3),
  measure = msr("classif.ce"),
  term_evals = 10,
  batch_size = 5
)

因此，如果现在我定义了一个新的数据集：

new_data = as.data.table(task)[1:10,]

如何预测new_data的结果？

Answer 1

请记住，嵌套重采样是一种统计过程，用于估计在完整数据集上训练的模型的预测性能。嵌套重采样不是选择最优超参数的过程。重采样产生了许多不应该用于构建最终模型的超参数配置。

mlr3book第4.3节"嵌套重采样“

图库文章"实用调优系列-调优支持向量机“给出了如何建立预测模型和使用嵌套重采样的实用示例。