错误：参数“x”丢失，没有默认值？

Question

由于我对 XGBoost 非常陌生，我尝试使用mlr库和模型调整参数，但在使用 setHayperPars() 学习后，使用 train() 抛出错误（特别是当我运行xgmodel行时）：colnames(x) 中的错误：参数“x”丢失，没有默认值，我无法识别这个错误意味着什么，下面是代码：

library(mlr)     
library(dplyr)
library(caret) 
library(xgboost)

set.seed(12345)
n=dim(mydata)[1]
id=sample(1:n, floor(n*0.6)) 
train=mydata[id,]
test=mydata[-id,]

traintask = makeClassifTask (data = train,target = "label")
testtask = makeClassifTask (data = test,target = "label")

#create learner
lrn = makeLearner("classif.xgboost",
                   predict.type = "response")

lrn$par.vals = list( objective="multi:softprob",
                      eval_metric="merror")

#set parameter space
params = makeParamSet( makeIntegerParam("max_depth",lower = 3L,upper = 10L),
                       makeIntegerParam("nrounds",lower = 20L,upper = 100L),
                       makeNumericParam("eta",lower = 0.1, upper = 0.3),
                       makeNumericParam("min_child_weight",lower = 1L,upper = 10L), 
                       makeNumericParam("subsample",lower = 0.5,upper = 1), 
                       makeNumericParam("colsample_bytree",lower = 0.5,upper = 1)) 


#set resampling strategy

configureMlr(show.learner.output = FALSE, show.info = FALSE)

rdesc = makeResampleDesc("CV",stratify = T,iters=5L)

# set the search optimization strategy

ctrl = makeTuneControlRandom(maxit = 10L)

# parameter tuning

set.seed(12345)

mytune = tuneParams(learner = lrn, task = traintask, 
                    resampling = rdesc, measures = acc, 
                    par.set = params, control = ctrl,
                    show.info = FALSE)


# build model using the tuned paramters 

#set hyperparameters
lrn_tune = setHyperPars(lrn,par.vals = mytune$x)

#train model
xgmodel = train(learner = lrn_tune,task = traintask)

谁能告诉我怎么了！？

Answer 1

加载可能涉及同名方法的多个包时必须非常caret小心 - here和mlr，它们都包含一个train方法。此外，语句的顺序library很重要：在这里，当caret在 后加载时mlr，它会屏蔽其中具有相同名称的函数（可能还有之前加载的所有其他包），例如train。

在您的情况下，您显然想使用trainfrom mlr（而不是 from caret）的方法，您应该在代码中显式声明：

xgmodel = mlr::train(learner = lrn_tune,task = traintask)