mlr3 early_stopping_set

`mlr3` 是 R 中的一个机器学习包，它提供了一个统一的框架来进行模型评估、选择和预测。其中 `early_stopping_set` 是一个重要的组件，用于实现交叉验证过程中的早停策略（Early Stopping）。早停是一种防止过拟合的技术，通过在训练过程中监控验证集的表现，一旦验证误差开始上升，就停止进一步训练当前模型。

在 `mlr3` 的 `resample()` 函数中，你可以创建一个 `Task` 后，设置 `control` 参数的 `eval_metric` 和 `stop_on` 配置。`early_stopping_set` 可以指定一个预留出来作为验证集的数据集，在每次迭代后，都会计算这个验证集上性能指标的变化。如果连续几次性能没有提升（比如基于预先设定的阈值），则会提前结束当前轮次的训练，返回最佳模型。

例如：

library(mlr3)
set.seed(42)
task <- tsk("iris")
ctrl <- rsmp("cv", folds = 5, stratified = TRUE,
             stop_on = msr("classif.ce", id = "ce", comp_op = ">"),
             eval_metric = msr("classif.ce", id = "val_ce"))

resample(task, learner = lrn("classif.rpart"), control = ctrl, verbose = FALSE)

在这里，`rsmp` 控制对象 (`ctrl`) 指定了使用交叉验证，并设置了早停条件，即当验证集上的分类错误率（`val_ce`）不再下降时停止。