如何在嵌套交叉验证中转换“2级ParamUty”类？

Question

在生存分析方面，我使用了R.

我的数据集包括39个特性(连续和因子，我将其全部转换为整数和数字)和目标(时间和状态)。

我想调优超参数: num_nodes，在Param_set中。

这是一个默认值为32,32的32,32类参数。

所以我决定改变它。

我编写了以下代码，用于使用“嵌套交叉验证”优化surv.deephit学习者的超参数(10个内折叠和3个外折叠)。

#task definition
task.mlr <- TaskSurv$new(id = "id", backend = main.dataset, event = 'status', time = 'time')

#learner definition
dh.learner <- lrn('surv.deephit') 
   
#resampling method
resampling <- rsmp('cv', folds =10)
  
#tuner method
tuner <- tnr('random_search')

#measure method
measure <- msr('surv.harrellC')

#termination method
terminator <- trm('stagnation')

#search_space definition(for num_nodes)
search_space <- ps(num_nodes = p_fct(list(c(32,64,128,256)), trafo = function(x) c(sample(x,1), sample(x,1))))

#To check search_space
generate_design_random(search_space,10)$transpose()

当我使用transpose运行最后一行代码时，它演示了一个num_nodes列表，每个列表包含一个配对的类别，如下所示：

[[1]]$num_nodes
[1] 64 128

[[2]]$num_nodes
[1] 32 256

...

然后我编写了以下代码：

#defining autotuner
at <- AutoTuner$new(dh.learner, resampling, measure, terminator, tuner, search_space)

#outer cross validation
resampling_outer <- rsmp('cv', folds = 3)

# nested resampling
nest_rsm <- resample(task.mlr, at, resampling_outer)

但是在嵌套重采样的结果中，它将num_nodes显示为c(32,64,128,256)，而不是一对节点。就像这样：

    num_nodes 
   c(32,64,128,256)
    num_nodes
   c(32,64,128,256)
   ... 

如何将“Param_Uty”转换为2级(例如。32,64)？

老实说，我已经仔细搜索过这个话题，毕竟我没有找到合适的答案，所以我很感谢你的帮助。

Answer 1

嗨，谢谢你使用mlr3proba。实际上，我刚刚完成了一个完全回答这个问题的教程！它涵盖了mlr3proba中的神经网络的训练、调整和评估。对于您的具体问题，本教程的相关部分如下：

library(paradox)
search_space = ps(
  nodes = p_int(lower = 1, upper = 32),
  k = p_int(lower = 1, upper = 4)
)

search_space$trafo = function(x, param_set) {
  x$num_nodes = rep(x$nodes, x$k)
  x$nodes = x$k = NULL
  return(x)
}

这里我调优了两个新的超参数，一个表示每个层的节点数，另一个表示层数，然后创建一个转换，将它们组合成所需的超参数num_nodes。

您应该能够将此应用于您的示例。