r/ комбинаторная функция оптимизации / пакет, требующий минимальной предварительной работы

Question

У меня есть фрейм данных, состоящий из имен методов предварительной обработки.

*Impute*    *Scale*      
naomit      noscale      
knnimpute   noscale              
naomit      scale        
knnimpute   scale     

На первом этапе функция g() выполняет методы построчно для создания предварительно обработанного набора данных. Для первого ряда: личность (na.omit(данные))

На втором этапе вычисляется ошибка классификации для каждого предварительно обработанного набора данных. Цель состоит в том, чтобы найти комбинацию, которая минимизирует ошибку классификации.

Есть тысячи комбинаций. В настоящее время я использую полный слепой или простой поиск по сетке. Мне нужен более интеллектуальный метод, чтобы найти предварительно обработанные наборы данных, достойные тестирования.

Я знаю, что есть представление задач CRAN для оптимизации, и я попытался изучить концептуальные вопросы здесь ( http://dl.acm.org/citation.cfm?id=937505).

Что было бы хорошим пакетом / функцией комбинаторной оптимизации R, чтобы быстрее найти примерно лучшее решение с минимальной предварительной работой?

Answer 1

Отвечая на мой собственный вопрос: сделал пакет "metaheur" для вышеуказанной цели.