Question

在R中使用kknn包并交叉验证时，是否可以从mlr模型中检索距离矩阵？

library("mlr")

data(iris)

task = makeClassifTask(data = iris, target = "Species")

lnr = makeLearner(
  cl = "classif.kknn",
  predict.type = "prob",
  k = 5,
  kernel = "gaussian",
  scale = TRUE
)

cv = crossval(
  learner = lnr,
  task = task,
  iters = 4,
  stratify = TRUE,
  measures = acc,
  show.info = FALSE,
  model = TRUE
)

str(cv$models[1])

我在cv$models或cv$pred中找不到任何相关内容。

Answer 1

crossval的返回值是ResampleResult，其中包含$models成员中各个迭代中拟合的模型（请注意，这是一个列表）。模型是底层学习者返回的对象，因此在每个模型中都应该有一个包含距离矩阵的成员 $D$ 。

有关详细信息，请参阅the tutorial。

编辑：在这种特殊情况下，您不会在通常的位置获得学习者模型，因为kknn是一个（无模型）聚类器，而kknn函数实际上并未被调用在mlr之前predict。 train返回的“模型”只是训练数据（有一些额外的位）。

predict函数只返回预测而不返回模型，所以遗憾的是，在这种特殊情况下，您无法直接到达距离矩阵。但是，您可以从mlr获取学习者模型并在其上调用kknn来获取距离矩阵：

 kknn(getTaskFormula(cv$models[[1]]$task.desc),
  train = cv$models[[1]]$learner.model$data,
  test = iris)$D

从kknn模型中检索距离矩阵

1 个答案: