我想merf在集成模型中使用（混合效应随机森林）库，例如通过使用mlens或mlxtendpython 库。然而，由于拟合和预测方法的merf结构采用非传统方式，我无法弄清楚如何做到这一点：
from merf import MERF
merf = MERF()
merf.fit(X_train, Z_train, clusters_train, y_train)
y_hat = merf.predict(X_test, Z_test, clusters_test)
有没有办法merf在集成模型中使用该库？问题在于，使用mlens或其他集成库构建集成模型会假定 scikit-learn 结构，其中 fit 方法将X,y作为输入，预测方法将 ,X作为输入。然而，merf显然在拟合和预测方法中都有更多的输入。这是一个简化的语法mlens：
from mlens.ensemble import SuperLearner
ensemble = SuperLearner()
ensemble.add(estimators)
ensemble.add_meta(meta_estimator)
ensemble.fit(X, y).predict(X)
我不限于使用mlens或mlxten。任何其他构建集成模型的方法merf也可以。
在上面的问题中，答案指出有一个utils:::.roman2numeric()将罗马数字转换为数字的函数。我还发现有一个类似的函数可以将数字转换为罗马：utils:::.numeric2roman()。不幸的是，它不适用于某些数字，为什么？
例如3978，3985产生NA
这类似于as.roman()某些罗马数字转换为数字时不起作用的情况。例如MMMCMXI给出NA而不是3911。
是否有另一个函数 100% 适用于数字到罗马？（最好是内置的）
Bonus：除了 之外，另一个适用utils:::.roman2numeric()于罗马数字的函数。（as.roman()不像之前解释的那样工作）。