我通过mlr包运行分类xgboost。我的数据缺少值，我想保留（也就是说，我想保留这些观察结果，我想避免估算）。我知道mlr中的xgboost实现可以处理缺失值。但是，我不明白mlr的makeLearner函数提供的警告。
我试图阅读文档，并在其他人的代码中发现了这个警告。但我没有看到以对我有意义的方式处理警告。
例如，我已经阅读了关于警告的讨论，但它没有为我澄清事情：https://github.com/mlr-org/mlr/pull/1225
调用makeLearner函数时会出现警告：
xgb_learner <- makeLearner(
"classif.xgboost",
predict.type = "prob",
par.vals = list(
objective = "binary:logistic",
eval_metric = "error",
nrounds = 200,
missing = NA,
max_depth = 6,
eta = 0.1,
gamma = 5,
colsample_bytree = 0.5,
min_child_weight = 1,
subsample = 0.7
)
)
Warning in makeParam(id = id, type = "numeric", learner.param = TRUE, lower = lower, :
NA used as a default value for learner parameter missing.
ParamHelpers uses NA as a special value for dependent parameters.
我的缺失值目前被编码为缺失值（即NA）。很明显，R从以下方面认识到它们：
> sum(is.na(training$day))
[1] 58
从getParamSet函数看，缺少的参数似乎从-Inf到Inf获取数值。那么，也许NA不是有效值？
> getParamSet("classif.xgboost")
Warning in makeParam(id = id, type = "numeric", learner.param = TRUE, lower = lower, :
NA used as a default value for learner parameter missing.
ParamHelpers uses NA as a special value for dependent parameters.
Type len Def Constr Req Tunable Trafo
booster discrete - gbtree gbtree,gblinear,dart - TRUE -
watchlist untyped - <NULL> - - FALSE -
eta numeric - 0.3 0 to 1 - TRUE -
gamma numeric - 0 0 to Inf - TRUE -
max_depth integer - 6 1 to Inf - TRUE -
min_child_weight numeric - 1 0 to Inf - TRUE -
subsample numeric - 1 0 to 1 - TRUE -
colsample_bytree numeric - 1 0 to 1 - TRUE -
colsample_bylevel numeric - 1 0 to 1 - TRUE -
num_parallel_tree integer - 1 1 to Inf - TRUE -
lambda numeric - 1 0 to Inf - TRUE -
lambda_bias numeric - 0 0 to Inf - TRUE -
alpha numeric - 0 0 to Inf - TRUE -
objective untyped - binary:logistic - - FALSE -
eval_metric untyped - error - - FALSE -
base_score numeric - 0.5 -Inf to Inf - FALSE -
max_delta_step numeric - 0 0 to Inf - TRUE -
missing numeric - -Inf to Inf - FALSE -
我是否需要将这些重新编码为特定值，然后传递给mlr（通过在makeLearner中缺少= [特定值]）？做点别的吗？或者这个警告不是引起关注的原因？
非常感谢任何澄清。
这个警告来自ParamHelpers，在这种情况下是无害的。这是一个标准检查，不考虑特定情况。