如何將分類閾值定義為學習器的（超）參數，以便在 R 的 mlr3 package 中進行調整？

Question

有一個 function 來調整這里描述的二進制分類的閾值： https://mlr3pipelines.mlr-org.com/reference/mlr_pipeops_t.nethreshold.html

這是我失敗的嘗試：

  RF_lrn <- lrn("classif.rfsrc", id = "rf", predict_type = "prob")
  RF_lrn$param_set$values = list(na.action = "na.impute", seed = -123)
  single_pred_rf = po("subsample", frac = 1, id = "rf_ss") %>>%
    po("learner", RF_lrn) %>>% po("tunethreshold")

這在我的 mlr3 管道中不起作用，我沒有在任何地方找到任何解釋的解決方案，所以這是我的代碼：

   xgb_lrn <-
    lrn("classif.xgboost", id = "xgb", predict_type = "prob")
  single_pred_xgb = po("subsample", frac = 1, id = "xgb_ss") %>>%
    po("learner", xgb_lrn)
  
    lrnrs <- list(
      RF_lrn,
      xgb_lrn)
    
    lrnrs <- lapply(lrnrs, function(x) {
      GraphLearner$new(po("learner_cv", x) %>>% po("tunethreshold",
                                                   param_vals = list(
                                                     measure = "classif.prauc"
                                                   )
      ))
    })
    library("GenSA")
    lrnrs$RF_lrn <- auto_tuner(
      learner =  RF_lrn,
      search_space = ps(
        ntree = p_int(lower = 20, upper = 300),
        mtry = p_int(lower = 2, upper = 5),
        nodesize = p_int(lower = 1, upper = 7)
      ),
      resampling = rsmp("bootstrap", repeats = 2, ratio = 0.8),
      measure = msr("classif.prauc"),
      term_evals = 100,
      method = "random_search"
    )

它以某種方式起作用，但我希望將決策閾值作為參數進行調整，就像我在基准測試/交叉驗證中使用隨機搜索調整其他超參數一樣。 任何解決方案？ 提前致謝

Answer 1

解決方案是使用po("threshold")而不是評論中建議的po("t.nethreshold")和這個mlr gallery example