キャレットと比較したmlr

私は機械学習について学ぶためにmlrを少し使ってきましたが、最近キャレットについて知りました。

私が理解している方法は、どちらもさまざまなMLパッケージのラッパーですが、アプローチが少し異なるということです。mlrはキャレットの一部をラップするようにも見えますが、おそらくmlrをキャレットのスーパーセットと見なすことができます。

私はその理由のためにmlrを使い続けることを心がけています。両方を切り替える必要があるか、両方を学ぶ必要がないようにします。しかし、私はキャレットの作者が整頓された人々に加わっ​​たことも聞いた-おそらくこれは今や事実上の標準になるだろう。

私は明らかにmlrを使用し、キャレットについて少し読んでいましたが、MLの経験が比較的不足していることを考えると、私は2つの教育を受けた評価を行う資格があるとは特に思っていません。

2つのパッケージの長所/短所について、より多くのものをカバーし、より合理化されたアプローチを持ち、より柔軟で、他のコメントなどがあるかについての意見はありますか？

編集：代わりにこれをdatascienceに投稿しないことをお詫びします。これは、Pythonによって支配されているようです（mlrまたはcaretタグはありません）。たぶん、stackoverflowの方がいいかもしれませんが、私はそれらを使用する統計学者の見解にかなり興味があります。

私は長い間キャレットを使用しており、とても気に入っています。私は今日mlrを発見しただけで、その使用方法を学ぶために一日の大半を費やしてきました。ランダムフォレストモデルから変数の重要度の部分依存プロットを作成する方法を探していたため、mlrを発見しました。

1日の経験の後、私は実際にはmlrに切り替えることに傾いています！ですから、キャレットの学習に時間とエネルギーを費やすという説得力のある理由がない限り、私はmlrに固執するでしょう。