SuperLearner只提供一个离散的赢家

Question

我正在尝试使用SuperLearner，不管我在库中添加了哪些算法，它只会提供系数1的离散赢家。有什么选项可以防止这种情况发生吗？

代码：

library(SuperLearner)

Call:  
SuperLearner(Y = msicudatatrain$IsDeceased, X = x, family = binomial(), 
SL.library = c("SL.mean", "SL.glmnet",  
    "SL.ksvm", "SL.rpart"), verbose = TRUE) 


                      Risk Coef
SL.mean_All   1.684285e-01    0
SL.glmnet_All 4.483909e-07    0
SL.ksvm_All   1.750231e-03    0
SL.rpart_All  0.000000e+00    1

不包括rpart，同样的情况也会发生.

Call:  
SuperLearner(Y = msicudatatrain$IsDeceased, X = x, family = binomial(),             SL.library = c("SL.mean", "SL.glmnet",  
    "SL.ksvm"), verbose = TRUE) 


                      Risk Coef
SL.mean_All   1.683833e-01    0
SL.glmnet_All 4.482701e-07    1
SL.ksvm_All   1.989397e-03    0

如果我尝试一个连续的Y变量(在这种情况下，住院时间)，它也会给出一个离散的赢家，这似乎违背了直觉。

Call:  
SuperLearner(Y = msicudatatrain$ICU_LOS_Clinical, X = x, family = gaussian(), 
SL.library = c("SL.mean", "SL.glmnet",  
    "SL.ksvm", "SL.randomForest", "SL.rpart"), verbose = TRUE) 


                           Risk Coef
SL.mean_All         51.59664196    0
SL.glmnet_All        0.05281076    1
SL.ksvm_All          2.69611753    0
SL.randomForest_All  2.00135683    0
SL.rpart_All         1.38172213    0

我该怎么办？

Answer 1

从您的结果1:

结果表明，rpart不存在风险/错误，因此它是明显的赢家，添加其他学习者只会增加预测中的风险/错误。

类似地，从结果2:

结果表明，glmnet具有较小的预测风险/误差。

您的类似乎分离得很好(从rpart中冒0.0000的风险)，或者存在一些建模错误。我建议您单独运行分类模型，并检查它们的性能(即预测中的比较错误)。

建模错误：，一种可能是在将因子提供给SuperLearner之前忘记将其转换为二进制特性。SuperLearner提供了一个包装器来使用R中已经实现的算法。算法可能有直接处理因素的规定，也可能没有直接处理因素的规定，所以在提供给SuperLearner之前，需要将因子/分类特性转换为二进制特性(0/1)。

参考官方的SuperLearners：面向SuperLearner的数据集预处理的数据预处理和使用指南：“如果我们有因子变量，我们将使用model.matrix()转换成数字。”