mlrのカスタムフィルタでparallelMapパッケージを使用する

Question

私はmlrを使ってテキスト分類作業を行っています。私はからと仮定してい

Exporting objects to slaves for mode socket: .mlr.slave.options 
Mapping in parallel: mode = socket; cpus = 4; elements = 2. 
Error in stopWithJobErrorMessages(inds, vcapply(result.list[inds], as.character)) : 
    Errors occurred in 2 slave jobs, displaying at most 10 of them: 

00001: Error in parallel:::.slaveRSOCK() : 
    Assertion on 'method' failed: Must be element of set {'anova.test','carscore','cforest.importance','chi.squared','gain.ratio','information.gain','kruskal.test','linear.correlation','mrmr','oneR','permutation.importance','randomForest.importance','randomForestSRC.rfsrc','randomForestSRC.var.select','rank.correlation','relief','rf.importance','rf.min.depth','symmetrical.uncertainty','univariate','univariate.model.score','variance'}. 

：私は、私は次のエラーが表示され、私がしようとしたときただし、意図したとおりのフィルタの動作ここで説明

Create Custom Filters

としてカスタムフィルタを書かれており、かつustilise parallelizationています私のカスタムフィルタがセット内の要素であり、同時に動作する可能性があるが、（a）これが可能であり、（b）そうであれば、どうすればうまくいかないのか？それについて行ってください。任意の助けを事前に

おかげで、 アザム

を追加しました：テストスクリプト は、私はあなたが私は感度が原因で働いているが、この例では再現し、実際のスクリプト/データを見てみましょうことができません私はエラーが表示されます。カスタム機能の選択とデータセットとは別に、学習者を設定して評価する手順は、私の「本当の」スクリプトと同じです。私の実際のケースでは、parallelStartSocket（）コマンドを削除すると、スクリプトは期待どおりに実行されます。

また、RBFカーネルを持つSVMのハイパーパラメータを調整するときに、私が正常に使用した（または少なくともエラーを受け取らなかった）ことを付け加えておきます。スクリプトはmakeParamSet（）定義とは別に同じです。

library(parallelMap) 
library(mlr) 
library(kernlab) 

makeFilter(
    name = "nonsense.filter", 
    desc = "Calculates scores according to alphabetical order of features", 
    pkg = "mlr", 
    supported.tasks = c("classif", "regr", "surv"), 
    supported.features = c("numerics", "factors", "ordered"), 
    fun = function(task, nselect, decreasing = TRUE, ...) { 
    feats = getTaskFeatureNames(task) 
    imp = order(feats, decreasing = decreasing) 
    names(imp) = feats 
    imp 
    } 
) 

# set up svm with rbf kernal 
svm.lrn <- makeLearner("classif.ksvm",predict.type = "response") 

# wrap learner with filter 
svm.lrn <- makeFilterWrapper(svm.lrn, fw.method = "nonsense.filter") 

# define feature selection parameters 

ps.svm = makeParamSet(
    makeDiscreteParam("fw.abs", values = seq(2, 3, 1)) 

) 

# define inner search and evaluation strategy 
ctrl.svm = makeTuneControlGrid() 
inner.svm = makeResampleDesc("CV", iters = 5, stratify = TRUE) 

svm.lrn <- makeTuneWrapper(svm.lrn, resampling = inner.svm, par.set = ps.svm, 
          control = ctrl.svm) 

# set up outer resampling 
outer.svm <- makeResampleDesc("CV", iters = 10, stratify = TRUE) 

# run it... 

parallelStartSocket(2) 

run.svm <- resample(svm.lrn, iris.task, 
        resampling = outer.svm, extract = getTuneResult) 

parallelStop() 

Answer 1

makeFilterはS3メソッドを登録していますが、これは別のRプロセスでは利用できません。この作業を行うには2つの選択肢があります：parallelStartMulticore(2)を使用して、すべて同じRプロセスで実行するか、またはparallelMapに他のRプロセスに存在する必要があることを伝えます。

後者には2つの部分があります。まず、parallelLibrary("mlr")を使用してmlrをどこにでもロードし、フィルターの定義をparallelSource()を使用してロードできる別のファイルに引き出します。たとえば：

filter.R：

makeFilter(
    name = "nonsense.filter", 
    desc = "Calculates scores according to alphabetical order of features", 
    pkg = "mlr", 
    supported.tasks = c("classif", "regr", "surv"), 
    supported.features = c("numerics", "factors", "ordered"), 
    fun = function(task, nselect, decreasing = TRUE, ...) { 
    feats = getTaskFeatureNames(task) 
    imp = order(feats, decreasing = decreasing) 
    names(imp) = feats 
    imp 
    } 
) 

main.R：

library(parallelMap) 
library(mlr) 
library(kernlab) 

parallelStartSocket(2) 

parallelLibrary("mlr") 
parallelSource("filter.R") 

# set up svm with rbf kernal 
svm.lrn = makeLearner("classif.ksvm",predict.type = "response") 

# wrap learner with filter 
svm.lrn = makeFilterWrapper(svm.lrn, fw.method = "nonsense.filter") 

# define feature selection parameters 

ps.svm = makeParamSet(
    makeDiscreteParam("fw.abs", values = seq(2, 3, 1)) 

) 

# define inner search and evaluation strategy 
ctrl.svm = makeTuneControlGrid() 
inner.svm = makeResampleDesc("CV", iters = 5, stratify = TRUE) 

svm.lrn = makeTuneWrapper(svm.lrn, resampling = inner.svm, par.set = ps.svm, 
          control = ctrl.svm) 

# set up outer resampling 
outer.svm = makeResampleDesc("CV", iters = 10, stratify = TRUE) 

# run it... 
run.svm = resample(svm.lrn, iris.task, resampling = outer.svm, extract = getTuneResult) 

parallelStop()