※ 引述《clansoda (小笨)》之銘言：
: [關鍵字]:mlr、machine learning
: [出處]:https://mlr-org.github.io/mlr-tutorial/release/html/
: [重點摘要]:e1071、randomForest、caret這些知名的package來回調用
: 重要的machine learning function嗎? 相信一定會有覺得很煩，每個
: function怎麼要求的都不同，有的input要matrix有的要全都是數字，都
: 沒有一個整合的平台可以使用嗎? 我這不就來了嗎。
: mlr package是一個整合R上泛用常見的machine learning package的平台
: 可以讓你在一行之內的改變就可以access to大部分的機器學習演算法
: [分享內容]:
: ## 首先你要先告訴mlr你現在的training data是誰，還有你想predict的
: ## column name，這篇文章我會以iris來作範例，假如是regression用regr代替
: ## classification則用classif，在iris是classification所以是classif
: tsk <- makeClassifTask(data = iris , target = "Species")
: ## 這邊有一個argument叫ID，再後來是有其他用途的，但這邊我不設的話
: ## 他預設就是你的dataframe的名稱，Species是我們要預測的colname
: ## 接著我們可以開始訓練我們要的model了
: mod <- train("classif.randomForest",task = iris)
: ## 這邊是最簡易的做法，使用train function給予他你learner的名稱與
: ## 上面我們賦予的task就能開始訓練，mlr接受直接使用""包含你的learning
: ## method，像是最簡單的線性回歸就叫做regr.lm，但是這種寫法你是使用
: ## default的參數，你才可以這樣做，若是你想要改變參數的話
: lrn <- makelearner(...)
: ## makelearner function後面還有許多參數可以調整，可以自行參酌manual
: ## 最後到了predict的階段
: output <- predict(mod,newdata = iris)
: final <- output$data
: ## 這樣就可以得到最後的訓練結果了，在makelearner那部分可以修改predict type
: ## 將他設成prob就能得到機率結果囉，這邊是最最簡單的使用方法，基本上machine
: ## learning裡面不論是feature selection、missing value imputation、還有
: ## parameter tuning等等等功能全部都包含在這一個package裡面，希望能幫助到
: ## 想要使用R作為機器學習平台的使用者。需要更詳細的tutorial請參照來源，
: ## 寫的跟rstudio裡面的文章一樣的仔細，一步一步帶你做。
我用install_github("mlr-org/mlr")去下載
出現以下error
Downloading GitHub repo [email protected]/*