mlr so với caret

Tôi đã sử dụng mlr một chút để tìm hiểu về học máy, nhưng gần đây đã phát hiện ra về caret.

Theo cách hiểu của tôi thì cả hai đều là các gói cho các gói ML khác nhau, nhưng có cách tiếp cận hơi khác nhau. Mặc dù mlr dường như cũng bao bọc một số thứ từ caret - vì vậy có lẽ chúng ta có thể xem xét mlr một superset của caret.

Tôi có ý định gắn bó với mlr vì lý do đó, để tiết kiệm việc phải chuyển đổi hoặc học cả hai. Nhưng tôi cũng đã nghe nói tác giả của caret đã tham gia vào những người gọn gàng - vì vậy có lẽ điều này sẽ trở thành tiêu chuẩn thực tế bây giờ.

Rõ ràng là tôi đã sử dụng mlr và đọc một chút về caret, nhưng do thiếu kinh nghiệm ML tương đối của tôi, tôi không cảm thấy mình đặc biệt đủ điều kiện để đưa ra đánh giá có giáo dục về hai người.

Bất kỳ quan điểm nào về ưu / nhược điểm của hai gói, bao gồm nhiều nội dung hơn, có cách tiếp cận hợp lý hơn, linh hoạt hơn, bất kỳ nhận xét nào khác, v.v.?

Chỉnh sửa: xin lỗi vì đã không đăng bài này lên datascience thay vào đó, điều đó dường như bị chi phối bởi Python (không có thẻ mlr hoặc caret). Có thể stackoverflow sẽ tốt hơn, nhưng tôi khá quan tâm đến các nhà thống kê xem ai sử dụng chúng.

Tôi đã sử dụng caret trong một thời gian dài và yêu thích nó. Tôi chỉ phát hiện ra mlr ngày hôm nay, và đã dành phần lớn thời gian trong ngày để học cách sử dụng nó. Tôi phát hiện ra mlr bởi vì tôi đang tìm kiếm một cách để tạo ra một biểu đồ phụ thuộc một phần của các mức nhập khác nhau từ các mô hình rừng ngẫu nhiên.

Sau một ngày trải nghiệm, tôi thực sự nghiêng về việc chuyển sang mlr! Vì vậy, tôi sẽ nói gắn bó với mlr trừ khi bạn có một lý do thuyết phục để dành thời gian và năng lượng cho việc học hỏi.