Querido amigo Carlos:
Muchísimas gracias. Efectivamente, ahí
estaba la clave. ¡Qué simple me siento!. Afortunadamente me has orientado y
ahí está. Sin menospreciar tu ejemplo, por supuesto. Solo he instalado y
cargado la librería mlr3learners y corrido mi
Hola Diego,
Ya, la nueva versión de "mlr" es mucho más modular que la versión anterior.
Y para poder usar los diferentes algoritmos ("learners") hay que cargar la
librería "mlr3learners" que no se invoca por defecto cuando usas "mlr3".
Mira este ejemplo reproducible que adjunto, antes de cargar
Estimadísimo Carlos:
Muchísimas gracias por responderme y
hacerlo tan rápido. Contemplé esa posibilidad, es decir, que el
hiperparámetro estuviera suponiendo un problema, y probé de esta forma:
> learner <- lrn("classif.ranger", num.trees = 5, mtry = NULL)
Error:
Hola Diego,
El problema que estás teniendo es por el hiperparámetro "cp" que has usado.
Ese hiperparámetro es propio del algoritmo de árbol de decisión "rpart",
pero no de "ranger".
Mira los hiperparámetros propios de "ranger" y prueba con uno de ellos (por
ejemplo n.trees o también mtry).
De
Estimados amigos:
Esta tarde he estado probando la librería
mlr3, que me resulta muy interesante para trabajos de clasificación. En
concreto, para entender su funcionamiento he probado un ejemplo simple
(viene en CRAN). Sin embargo, cuando cambio el parámetro de