Classification Stacked Autoencoder Deep Neural Network Learner

Calls deepnet::sae.dnn.train() from deepnet.

Initial parameter values

• output is set to "softmax" for probabilistic classification.

Dictionary

This Learner can be instantiated via lrn():

lrn("classif.saeDNN")

Meta Information

• Task type: “classif”

• Predict Types: “response”, “prob”

• Feature Types: “integer”, “numeric”

• Required Packages: mlr3, deepnet

Parameters

Id	Type	Default	Levels	Range
hidden	untyped	10L		-
activationfun	character	sigm	sigm, linear, tanh	-
learningrate	numeric	0.8		\([0, \infty)\)
momentum	numeric	0.5		\([0, \infty)\)
learningrate_scale	numeric	1		\([0, \infty)\)
numepochs	integer	3		\([1, \infty)\)
batchsize	integer	100		\([1, \infty)\)
output	character	-	sigm, linear, softmax	-
sae_output	character	linear	sigm, linear, softmax	-
hidden_dropout	numeric	0		\([0, 1]\)
visible_dropout	numeric	0		\([0, 1]\)

References

Rong, Xiao (2022). “deepnet: Deep Learning Toolkit in R.” R package version 0.2.1. doi:10.32614/CRAN.package.deepnet , https://CRAN.R-project.org/package=deepnet.

See also

• Dictionary of Learners: mlr3::mlr_learners.

• as.data.table(mlr_learners) for a table of available Learners in the running session (depending on the loaded packages).

• Chapter in the mlr3book: https://mlr3book.mlr-org.com/chapters/chapter2/data_and_basic_modeling.html#sec-learners

• mlr3learners for a selection of recommended learners.

• mlr3cluster for unsupervised clustering learners.

• mlr3pipelines to combine learners with pre- and postprocessing steps.

• mlr3tuning for tuning of hyperparameters, mlr3tuningspaces for established default tuning spaces.

Author

awinterstetter

Super classes

mlr3::Learner -> mlr3::LearnerClassif -> LearnerClassifSaeDNN

Methods

Public methods

• LearnerClassifSaeDNN$new()

• LearnerClassifSaeDNN$clone()

Inherited methods

• mlr3::Learner$base_learner()
• mlr3::Learner$configure()
• mlr3::Learner$encapsulate()
• mlr3::Learner$format()
• mlr3::Learner$help()
• mlr3::Learner$predict()
• mlr3::Learner$predict_newdata()
• mlr3::Learner$print()
• mlr3::Learner$reset()
• mlr3::Learner$selected_features()
• mlr3::Learner$train()
• mlr3::LearnerClassif$predict_newdata_fast()

---

LearnerClassifSaeDNN$new()

Creates a new instance of this R6 class.

Usage

LearnerClassifSaeDNN$new()

---

LearnerClassifSaeDNN$clone()

The objects of this class are cloneable with this method.

Usage

LearnerClassifSaeDNN$clone(deep = FALSE)

Arguments

deep

Whether to make a deep clone.

Examples

# Define the Learner
learner = lrn("classif.saeDNN")
print(learner)
#> 
#> ── <LearnerClassifSaeDNN> (classif.saeDNN): Deep neural network with weights ini
#> • Model: -
#> • Parameters: output=softmax
#> • Packages: mlr3 and deepnet
#> • Predict Types: [response] and prob
#> • Feature Types: integer and numeric
#> • Encapsulation: none (fallback: -)
#> • Properties: multiclass and twoclass
#> • Other settings: use_weights = 'error', predict_raw = 'FALSE'

# Define a Task
task = tsk("sonar")

# Create train and test set
ids = partition(task)

# Train the learner on the training ids
learner$train(task, row_ids = ids$train)
#> begin to train sae ......
#> training layer 1 autoencoder ...
#> sae has been trained.
#> begin to train deep nn ......
#> deep nn has been trained.

print(learner$model)
#> $input_dim
#> [1] 60
#> 
#> $output_dim
#> [1] 2
#> 
#> $hidden
#> [1] 1
#> 
#> $size
#> [1] 60  1  2
#> 
#> $activationfun
#> [1] "sigm"
#> 
#> $learningrate
#> [1] 0.8
#> 
#> $momentum
#> [1] 0.5
#> 
#> $learningrate_scale
#> [1] 1
#> 
#> $hidden_dropout
#> [1] 0
#> 
#> $visible_dropout
#> [1] 0
#> 
#> $output
#> [1] "softmax"
#> 
#> $W
#> $W[[1]]
#>               V1         V10        V11        V12        V13        V14
#> [1,] -0.09122771 -0.09796873 -0.2286247 -0.1638216 -0.2417859 -0.1637203
#>             V15        V16        V17       V18        V19          V2
#> [1,] -0.2988531 -0.3602399 -0.2023031 -0.382209 -0.3931648 -0.02760386
#>             V20       V21        V22        V23        V24        V25
#> [1,] -0.2856412 -0.297221 -0.4219788 -0.4489787 -0.3339782 -0.3758909
#>             V26        V27        V28        V29         V3        V30
#> [1,] -0.4136436 -0.4410538 -0.3688128 -0.3559133 0.02714962 -0.3737849
#>             V31        V32        V33        V34        V35        V36
#> [1,] -0.2821879 -0.2116526 -0.1813307 -0.2513207 -0.3671896 -0.2236159
#>             V37        V38        V39         V4        V40        V41
#> [1,] -0.3300197 -0.2823593 -0.1683933 0.04714939 -0.2329735 -0.1673796
#>             V42        V43         V44         V45         V46         V47
#> [1,] -0.2408043 -0.0952243 -0.03810809 -0.05744791 -0.09245489 -0.04927391
#>              V48         V49         V5       V50         V51         V52
#> [1,] 0.008923237 -0.09947833 -0.1123671 0.0624707 0.007526634 -0.03083757
#>              V53       V54         V55        V56          V57        V58
#> [1,] -0.07005297 0.0779796 -0.09959291 0.05298785 -0.001207685 0.08713558
#>              V59         V6         V60          V7          V8         V9
#> [1,] -0.03132708 -0.1432975 -0.01905372 -0.01811241 -0.01587101 -0.2120021
#> 
#> $W[[2]]
#>             [,1]
#> [1,] -0.04303865
#> [2,]  0.03804548
#> 
#> 
#> $vW
#> $vW[[1]]
#>                V1          V10          V11          V12          V13
#> [1,] 2.818769e-06 1.786364e-05 2.354326e-05 2.310893e-05 2.016499e-05
#>               V14          V15          V16          V17         V18
#> [1,] 1.712642e-05 1.649659e-05 9.459089e-06 6.453504e-06 9.42632e-06
#>               V19           V2          V20          V21        V22         V23
#> [1,] 1.819286e-05 3.621135e-06 2.461545e-05 2.536278e-05 2.5137e-05 2.57189e-05
#>               V24          V25          V26         V27          V28
#> [1,] 2.327198e-05 1.551742e-05 1.544536e-05 2.47155e-05 2.955731e-05
#>               V29           V3          V30          V31          V32
#> [1,] 2.481769e-05 4.260564e-06 1.817565e-05 1.051079e-05 6.457568e-06
#>                V33           V34           V35           V36           V37
#> [1,] -8.309037e-07 -1.320619e-05 -2.725269e-05 -3.221612e-05 -1.863778e-05
#>                V38          V39           V4           V40           V41
#> [1,] -5.950109e-06 1.132896e-06 6.315978e-06 -4.309731e-06 -1.981419e-06
#>               V42          V43          V44          V45          V46
#> [1,] 5.358673e-06 6.343262e-06 4.864243e-06 9.970723e-06 1.014138e-05
#>               V47          V48          V49           V5          V50
#> [1,] 1.029115e-05 7.726471e-06 4.247186e-06 5.886953e-06 9.976586e-07
#>               V51          V52          V53          V54          V55
#> [1,] 1.369996e-06 1.495059e-06 4.916258e-07 5.700925e-07 4.215592e-07
#>               V56          V57          V58          V59           V6
#> [1,] 2.907191e-07 1.472771e-07 3.987334e-07 3.832304e-07 5.874294e-06
#>              V60           V7           V8          V9
#> [1,] 1.85468e-07 6.651336e-06 9.023033e-06 1.52146e-05
#> 
#> $vW[[2]]
#>               [,1]
#> [1,] -0.0002313041
#> [2,]  0.0002313041
#> 
#> 
#> $B
#> $B[[1]]
#> [1] -0.5883711
#> 
#> $B[[2]]
#> [1]  0.2664888 -0.1505787
#> 
#> 
#> $vB
#> $vB[[1]]
#> [1] 1.968671e-05
#> 
#> $vB[[2]]
#> [1] -0.07951292  0.07951292
#> 
#> 
#> $post
#> $post[[1]]
#>           V1    V10    V11    V12    V13    V14    V15    V16    V17    V18
#>  [1,] 0.1083 0.5966 0.5304 0.2251 0.2402 0.2689 0.6646 0.6632 0.1674 0.0837
#>  [2,] 0.0408 0.2176 0.2459 0.3332 0.3087 0.2613 0.3232 0.3731 0.4203 0.5364
#>  [3,] 0.0269 0.5915 0.6675 0.5679 0.5175 0.3334 0.2002 0.2856 0.2937 0.3424
#>  [4,] 0.0315 0.1533 0.2128 0.2536 0.2686 0.2803 0.1886 0.1485 0.2160 0.2417
#>  [5,] 0.0388 0.2718 0.3645 0.3934 0.3843 0.4677 0.5364 0.4823 0.4835 0.5862
#>  [6,] 0.0305 0.3127 0.2192 0.2621 0.2419 0.2179 0.1159 0.1237 0.0886 0.1755
#>  [7,] 0.0217 0.1777 0.4079 0.4113 0.3973 0.5078 0.6509 0.8073 0.9819 1.0000
#>  [8,] 0.0270 0.1520 0.1675 0.1370 0.1361 0.1345 0.2144 0.5354 0.6830 0.5600
#>  [9,] 0.0712 0.2127 0.2891 0.3985 0.4576 0.5821 0.5027 0.1930 0.2579 0.3177
#> [10,] 0.0274 0.1808 0.2366 0.0906 0.1749 0.4012 0.5187 0.7312 0.9062 0.9260
#> [11,] 0.0522 0.2529 0.2716 0.2374 0.1878 0.0983 0.0683 0.1503 0.1723 0.2339
#> [12,] 0.0310 0.4432 0.5222 0.5611 0.5379 0.4048 0.2245 0.1784 0.2297 0.2720
#> [13,] 0.0233 0.2078 0.1239 0.0236 0.1771 0.3115 0.4990 0.6707 0.7655 0.8485
#> [14,] 0.0116 0.1006 0.2500 0.3988 0.3809 0.4753 0.6165 0.6464 0.8024 0.9208
#> [15,] 0.0094 0.1725 0.2228 0.3106 0.4144 0.5157 0.5369 0.5107 0.6441 0.7326
#> [16,] 0.0454 0.1675 0.2799 0.3323 0.4012 0.4296 0.5350 0.5411 0.6870 0.8045
#> [17,] 0.0114 0.1799 0.2486 0.2973 0.3672 0.4394 0.5258 0.6755 0.7402 0.8284
#> [18,] 0.0731 0.1114 0.1739 0.3160 0.3249 0.2164 0.2031 0.2580 0.1796 0.2422
#> [19,] 0.0260 0.2354 0.2720 0.2442 0.1665 0.0336 0.1302 0.1708 0.2177 0.3175
#> [20,] 0.0093 0.0640 0.0888 0.1599 0.1541 0.2768 0.2176 0.2799 0.3491 0.2824
#> [21,] 0.0187 0.2684 0.3108 0.2933 0.2275 0.0994 0.1801 0.2200 0.2732 0.2862
#> [22,] 0.0363 0.1444 0.1989 0.2154 0.2863 0.3570 0.3980 0.4359 0.5334 0.6304
#> [23,] 0.0180 0.2918 0.3273 0.3035 0.3033 0.2587 0.1682 0.1308 0.2803 0.4519
#> [24,] 0.0201 0.1097 0.0841 0.0942 0.1204 0.0420 0.0031 0.0162 0.0624 0.2127
#> [25,] 0.0203 0.1747 0.2198 0.2721 0.2105 0.1727 0.2040 0.1786 0.1318 0.2260
#> [26,] 0.0394 0.2558 0.3078 0.3404 0.3400 0.3951 0.3352 0.2252 0.2086 0.2248
#> [27,] 0.0130 0.1483 0.1532 0.1100 0.0890 0.1236 0.1197 0.1145 0.2137 0.2838
#> [28,] 0.0210 0.0686 0.1125 0.1741 0.2710 0.3087 0.3575 0.4998 0.6011 0.6470
#> [29,] 0.0164 0.0780 0.1791 0.2681 0.1788 0.1039 0.1980 0.3234 0.3748 0.2586
#> [30,] 0.0100 0.2668 0.3376 0.3282 0.2432 0.1268 0.1278 0.4441 0.6795 0.7051
#> [31,] 0.0430 0.7106 0.7342 0.5033 0.3000 0.1951 0.2767 0.3737 0.2507 0.2507
#> [32,] 0.0056 0.1859 0.2481 0.2712 0.2934 0.2637 0.1880 0.1405 0.2028 0.2613
#> [33,] 0.0333 0.0920 0.1475 0.0522 0.1119 0.0970 0.1174 0.1678 0.1642 0.1205
#> [34,] 0.0235 0.3674 0.2974 0.0837 0.1912 0.5040 0.6352 0.6804 0.7505 0.6595
#> [35,] 0.0156 0.1567 0.2476 0.2783 0.2896 0.2956 0.3189 0.1892 0.1730 0.2226
#> [36,] 0.0119 0.0864 0.2143 0.3720 0.2665 0.2113 0.1103 0.1136 0.1934 0.4142
#> [37,] 0.0217 0.2110 0.2343 0.2087 0.1645 0.1689 0.1650 0.1967 0.2934 0.3709
#> [38,] 0.0308 0.2795 0.3336 0.2940 0.1608 0.3335 0.4985 0.7295 0.7350 0.8253
#> [39,] 0.0707 0.1247 0.2340 0.1764 0.2284 0.3115 0.4725 0.5543 0.5386 0.3746
#> [40,] 0.0257 0.0561 0.0891 0.0861 0.1531 0.1524 0.1849 0.2871 0.2009 0.2748
#>          V19     V2    V20    V21    V22    V23    V24    V25    V26    V27
#>  [1,] 0.4331 0.1070 0.8718 0.7992 0.3712 0.1703 0.1611 0.2086 0.2847 0.2211
#>  [2,] 0.7062 0.0653 0.8196 0.8835 0.8299 0.7609 0.7605 0.8367 0.8905 0.7652
#>  [3,] 0.5949 0.0383 0.7526 0.8959 0.8147 0.7109 0.7378 0.7201 0.8254 0.8917
#>  [4,] 0.2989 0.0252 0.3341 0.3786 0.3956 0.5232 0.6913 0.7868 0.8337 0.9199
#>  [5,] 0.7579 0.0324 0.6997 0.6918 0.8633 0.9107 0.9346 0.7884 0.8585 0.9261
#>  [6,] 0.1758 0.0363 0.1540 0.0512 0.1805 0.4039 0.5697 0.6577 0.7474 0.8543
#>  [7,] 0.9407 0.0340 0.8452 0.8106 0.8460 0.6212 0.5815 0.7745 0.8204 0.5601
#>  [8,] 0.3093 0.0092 0.3226 0.4430 0.5573 0.5782 0.6173 0.8132 0.9819 0.9823
#>  [9,] 0.2745 0.0901 0.6186 0.8958 0.7442 0.5188 0.2811 0.1773 0.6607 0.7576
#> [10,] 0.7434 0.0242 0.4463 0.5103 0.6952 0.7755 0.8364 0.7283 0.6399 0.5759
#> [11,] 0.1962 0.0437 0.1395 0.3164 0.5888 0.7631 0.8473 0.9424 0.9986 0.9699
#> [12,] 0.5209 0.0221 0.6898 0.8202 0.8780 0.7600 0.7616 0.7152 0.7288 0.8686
#> [13,] 0.9805 0.0394 1.0000 1.0000 0.9992 0.9067 0.6803 0.5103 0.4716 0.4980
#> [14,] 0.9832 0.0179 0.9634 0.8646 0.8325 0.8276 0.8007 0.6102 0.4853 0.4355
#> [15,] 0.8164 0.0333 0.8856 0.9891 1.0000 0.8750 0.8631 0.9074 0.8674 0.7750
#> [16,] 0.9194 0.0472 0.9169 1.0000 0.9972 0.9093 0.7918 0.6705 0.5324 0.3572
#> [17,] 0.9033 0.0222 0.9584 1.0000 0.9982 0.8899 0.7493 0.6367 0.6744 0.7207
#> [18,] 0.3609 0.1249 0.1810 0.2604 0.6572 0.9734 0.9757 0.8079 0.6521 0.4915
#> [19,] 0.3714 0.0363 0.4552 0.5700 0.7397 0.8062 0.8837 0.9432 1.0000 0.9375
#> [20,] 0.2479 0.0185 0.3005 0.4300 0.4684 0.4520 0.5026 0.6217 0.6571 0.6632
#> [21,] 0.2034 0.0346 0.1740 0.4130 0.6879 0.8120 0.8453 0.8919 0.9300 0.9987
#> [22,] 0.6995 0.0478 0.7435 0.8379 0.8641 0.9014 0.9432 0.9536 1.0000 0.9547
#> [23,] 0.6641 0.0444 0.7683 0.6960 0.4393 0.2432 0.2886 0.4974 0.8172 1.0000
#> [24,] 0.3436 0.0026 0.3813 0.3825 0.4764 0.6313 0.7523 0.8675 0.8788 0.7901
#> [25,] 0.2358 0.0121 0.3107 0.3906 0.3631 0.4809 0.6531 0.7812 0.8395 0.9180
#> [26,] 0.3382 0.0420 0.4578 0.6474 0.6708 0.7007 0.7619 0.7745 0.6767 0.7373
#> [27,] 0.3640 0.0006 0.5430 0.6673 0.7979 0.9273 0.9027 0.9192 1.0000 0.9821
#> [28,] 0.8067 0.0121 0.9008 0.8906 0.9338 1.0000 0.9102 0.8496 0.7867 0.7688
#> [29,] 0.3680 0.0627 0.3508 0.5606 0.5231 0.5469 0.6954 0.6352 0.6757 0.8499
#> [30,] 0.7966 0.0275 0.9401 0.9857 0.8193 0.5789 0.6394 0.7043 0.6875 0.4081
#> [31,] 0.3292 0.0902 0.4871 0.6527 0.8454 0.9739 1.0000 0.6665 0.5323 0.4024
#> [32,] 0.2778 0.0267 0.3346 0.3830 0.4003 0.5114 0.6860 0.7490 0.7843 0.9021
#> [33,] 0.0494 0.0221 0.1544 0.3485 0.6146 0.9146 0.9364 0.8677 0.8772 0.8553
#> [34,] 0.4509 0.0291 0.2964 0.4019 0.6794 0.8297 1.0000 0.8240 0.7115 0.7726
#> [35,] 0.2427 0.0210 0.3149 0.4102 0.3808 0.4896 0.6292 0.7519 0.7985 0.8830
#> [36,] 0.3279 0.0582 0.6222 0.7468 0.7676 0.7867 0.8253 1.0000 0.9481 0.7539
#> [37,] 0.4309 0.0152 0.4161 0.5116 0.6501 0.7717 0.8491 0.9104 0.8912 0.8189
#> [38,] 0.8793 0.0339 0.9657 1.0000 0.8707 0.6471 0.5973 0.8218 0.7755 0.6111
#> [39,] 0.4583 0.1252 0.5961 0.7464 0.7644 0.5711 0.6257 0.6695 0.7131 0.7567
#> [40,] 0.5017 0.0447 0.2172 0.4978 0.5265 0.3647 0.5768 0.5161 0.5715 0.4006
#>          V28    V29     V3    V30    V31    V32    V33    V34    V35    V36
#>  [1,] 0.6134 0.5807 0.0257 0.6925 0.3825 0.4303 0.7791 0.8703 1.0000 0.9212
#>  [2,] 0.5897 0.3037 0.0397 0.0823 0.2787 0.7241 0.8032 0.8050 0.7676 0.7468
#>  [3,] 0.9820 0.8179 0.0505 0.4848 0.3203 0.2775 0.2382 0.2911 0.1675 0.3156
#>  [4,] 1.0000 0.8990 0.0167 0.6456 0.5967 0.4355 0.2997 0.2294 0.1866 0.0922
#>  [5,] 0.7080 0.5779 0.0688 0.5215 0.4505 0.3129 0.1448 0.1046 0.1820 0.1519
#>  [6,] 0.9085 0.8668 0.0214 0.8892 0.9065 0.8522 0.7204 0.6200 0.6253 0.6848
#>  [7,] 0.2989 0.5009 0.0392 0.6628 0.5753 0.4055 0.3746 0.3481 0.1580 0.1422
#>  [8,] 0.9166 0.7423 0.0145 0.7736 0.8473 0.7352 0.6671 0.6083 0.6239 0.5972
#>  [9,] 0.5122 0.4701 0.1276 0.5479 0.4347 0.1276 0.0846 0.0927 0.0313 0.0998
#> [10,] 0.4146 0.3495 0.0621 0.4437 0.2665 0.2024 0.1942 0.0765 0.3725 0.5843
#> [11,] 1.0000 0.8630 0.0180 0.6979 0.7717 0.7305 0.5197 0.1786 0.1098 0.1446
#> [12,] 0.9509 0.8348 0.0433 0.5730 0.4363 0.4289 0.4240 0.3156 0.1287 0.1477
#> [13,] 0.6196 0.7171 0.0416 0.6316 0.3554 0.2897 0.4316 0.3791 0.2421 0.0944
#> [14,] 0.4307 0.4399 0.0449 0.3833 0.3032 0.3035 0.3197 0.2292 0.2131 0.2347
#> [15,] 0.6600 0.5615 0.0306 0.4016 0.2331 0.1164 0.1095 0.0431 0.0619 0.1956
#> [16,] 0.2484 0.3161 0.0697 0.3775 0.3138 0.1713 0.2937 0.5234 0.5926 0.5437
#> [17,] 0.6821 0.5512 0.0269 0.4789 0.3924 0.2533 0.1089 0.1390 0.2551 0.3301
#> [18,] 0.5363 0.7649 0.1665 0.5250 0.5101 0.4219 0.4160 0.1906 0.0223 0.4219
#> [19,] 0.7603 0.7123 0.0136 0.8358 0.7622 0.4567 0.1715 0.1549 0.1641 0.1869
#> [20,] 0.7321 0.8534 0.0056 1.0000 0.8448 0.6354 0.6308 0.6211 0.6976 0.5868
#> [21,] 1.0000 0.8104 0.0168 0.6199 0.6041 0.5547 0.4160 0.1472 0.0849 0.0608
#> [22,] 0.9745 0.8962 0.0298 0.7196 0.5462 0.3156 0.2525 0.1969 0.2189 0.1533
#> [23,] 0.9238 0.8519 0.0476 0.7722 0.5772 0.5190 0.6824 0.6220 0.5054 0.3578
#> [24,] 0.8357 0.9631 0.0138 0.9619 0.9236 0.8903 0.9708 0.9647 0.7892 0.5307
#> [25,] 0.9769 0.8937 0.0380 0.7022 0.6500 0.5069 0.3903 0.3009 0.1565 0.0985
#> [26,] 0.7834 0.9619 0.0446 1.0000 0.8086 0.5558 0.5409 0.4988 0.3108 0.2897
#> [27,] 0.9092 0.8184 0.0088 0.6962 0.5900 0.5447 0.5142 0.5389 0.5531 0.5318
#> [28,] 0.7718 0.6268 0.0203 0.4301 0.2077 0.1198 0.1660 0.2618 0.3862 0.3958
#> [29,] 0.8025 0.6563 0.0738 0.8591 0.6655 0.5369 0.3118 0.3763 0.2801 0.0875
#> [30,] 0.1811 0.2064 0.0190 0.3917 0.3791 0.2042 0.2227 0.3341 0.3984 0.5077
#> [31,] 0.3444 0.4239 0.0833 0.4182 0.4393 0.1162 0.4336 0.6553 0.6172 0.4373
#> [32,] 1.0000 0.8888 0.0221 0.6511 0.6083 0.4463 0.2948 0.1729 0.1488 0.0801
#> [33,] 0.8833 1.0000 0.0270 0.8296 0.6601 0.5499 0.5716 0.6859 0.6825 0.5142
#> [34,] 0.6124 0.4936 0.0749 0.5648 0.4906 0.1820 0.1811 0.1107 0.4603 0.6650
#> [35,] 0.9915 0.9223 0.0282 0.6981 0.6167 0.5069 0.3921 0.3524 0.2183 0.1245
#> [36,] 0.6008 0.5437 0.0623 0.5387 0.5619 0.5141 0.6084 0.5621 0.5956 0.6078
#> [37,] 0.6779 0.5368 0.0346 0.5207 0.5651 0.5749 0.5250 0.4255 0.3330 0.2331
#> [38,] 0.4195 0.2990 0.0202 0.1354 0.2438 0.5624 0.5555 0.6963 0.7298 0.7022
#> [39,] 0.8077 0.8477 0.1447 0.9289 0.9513 0.7995 0.4362 0.4048 0.4952 0.1712
#> [40,] 0.3650 0.6685 0.0388 0.8659 0.8052 0.4082 0.3379 0.5092 0.6776 0.7313
#>          V37    V38    V39     V4    V40    V41    V42    V43    V44    V45
#>  [1,] 0.9386 0.9303 0.7314 0.0837 0.4791 0.2087 0.2016 0.1669 0.2872 0.4374
#>  [2,] 0.6253 0.1730 0.2916 0.0604 0.5003 0.5220 0.4824 0.4004 0.3877 0.1651
#>  [3,] 0.1869 0.3391 0.5993 0.0707 0.4124 0.1181 0.3651 0.4655 0.4777 0.3517
#>  [4,] 0.1829 0.1743 0.2452 0.0479 0.2407 0.2518 0.3184 0.1685 0.0675 0.1186
#>  [5,] 0.1017 0.1438 0.1986 0.0898 0.2039 0.2778 0.2879 0.1331 0.1140 0.1310
#>  [6,] 0.7337 0.6281 0.5725 0.0227 0.6119 0.5597 0.4965 0.5027 0.5772 0.5907
#>  [7,] 0.2130 0.1866 0.1003 0.0236 0.2396 0.2241 0.2029 0.0710 0.1606 0.1669
#>  [8,] 0.5715 0.5242 0.2924 0.0278 0.1536 0.2003 0.2031 0.2207 0.1778 0.1353
#>  [9,] 0.1781 0.1586 0.3001 0.1497 0.2208 0.1455 0.2895 0.3203 0.1414 0.0629
#> [10,] 0.4827 0.2347 0.0999 0.0560 0.3244 0.3990 0.2975 0.1684 0.1761 0.1683
#> [11,] 0.1066 0.1440 0.1929 0.0292 0.0325 0.1490 0.0328 0.0537 0.1309 0.0910
#> [12,] 0.2062 0.2400 0.5173 0.0191 0.5168 0.1491 0.2407 0.3415 0.4494 0.4624
#> [13,] 0.0351 0.0844 0.0436 0.0547 0.1130 0.2045 0.1937 0.0834 0.1502 0.1675
#> [14,] 0.3201 0.4455 0.3655 0.1096 0.2715 0.1747 0.1781 0.2199 0.1056 0.0573
#> [15,] 0.2120 0.3242 0.4102 0.0376 0.2939 0.1911 0.1702 0.1010 0.1512 0.1427
#> [16,] 0.4516 0.3379 0.3215 0.1021 0.2178 0.1674 0.2634 0.2980 0.2037 0.1155
#> [17,] 0.2818 0.2142 0.2266 0.0384 0.2142 0.2354 0.2871 0.2596 0.1925 0.1256
#> [18,] 0.5496 0.2483 0.2034 0.1496 0.2729 0.2837 0.4463 0.3178 0.0807 0.1192
#> [19,] 0.2655 0.1713 0.0959 0.0272 0.0768 0.0847 0.2076 0.2505 0.1862 0.1439
#> [20,] 0.4889 0.3683 0.2043 0.0064 0.1469 0.2220 0.1449 0.1490 0.1211 0.1144
#> [21,] 0.0969 0.1411 0.1676 0.0177 0.1200 0.1201 0.1036 0.1977 0.1339 0.0902
#> [22,] 0.0711 0.1498 0.1755 0.0210 0.2276 0.1322 0.1056 0.1973 0.1692 0.1881
#> [23,] 0.3809 0.3813 0.3359 0.0698 0.2771 0.3648 0.3834 0.3453 0.2096 0.1031
#> [24,] 0.2718 0.1953 0.1374 0.0062 0.3105 0.3790 0.4105 0.3355 0.2998 0.2748
#> [25,] 0.2200 0.2243 0.2736 0.0128 0.2152 0.2438 0.3154 0.2112 0.0991 0.0594
#> [26,] 0.2244 0.0960 0.2287 0.0551 0.3228 0.3454 0.3882 0.3240 0.0926 0.1173
#> [27,] 0.4826 0.3790 0.1831 0.0456 0.1750 0.1679 0.0674 0.0609 0.0375 0.0533
#> [28,] 0.3248 0.2302 0.3250 0.1036 0.4022 0.4344 0.4008 0.3370 0.2518 0.2101
#> [29,] 0.3319 0.4237 0.1801 0.0608 0.3743 0.4627 0.1614 0.2494 0.3202 0.2265
#> [30,] 0.5534 0.3352 0.2723 0.0371 0.2278 0.2044 0.1986 0.0835 0.0908 0.1380
#> [31,] 0.4118 0.3641 0.4572 0.0813 0.4367 0.2964 0.4312 0.4155 0.1824 0.1487
#> [32,] 0.1770 0.1382 0.2404 0.0561 0.2046 0.1970 0.2778 0.1377 0.0685 0.0664
#> [33,] 0.2750 0.1358 0.1551 0.0481 0.2646 0.1994 0.1883 0.2746 0.1651 0.0575
#> [34,] 0.6423 0.2166 0.1951 0.0519 0.4947 0.4925 0.4041 0.2402 0.1392 0.1779
#> [35,] 0.1592 0.1626 0.2356 0.0596 0.2483 0.2437 0.2715 0.1184 0.1157 0.1449
#> [36,] 0.5025 0.2829 0.0477 0.0600 0.2811 0.3422 0.5147 0.4372 0.2470 0.1708
#> [37,] 0.1451 0.1648 0.2694 0.0346 0.3730 0.4467 0.4133 0.3743 0.3021 0.2069
#> [38,] 0.5468 0.1421 0.4738 0.0889 0.6410 0.4375 0.3178 0.2377 0.2808 0.1374
#> [39,] 0.3652 0.3763 0.2841 0.1644 0.0427 0.5331 0.6952 0.4288 0.3063 0.5835
#> [40,] 0.6062 0.7040 0.8849 0.0239 0.8979 0.7751 0.7247 0.7733 0.7762 0.6009
#>          V46    V47    V48    V49     V5    V50    V51    V52    V53    V54
#>  [1,] 0.3097 0.1578 0.0553 0.0334 0.0748 0.0209 0.0172 0.0180 0.0110 0.0234
#>  [2,] 0.0442 0.0663 0.0418 0.0475 0.0496 0.0235 0.0066 0.0062 0.0129 0.0184
#>  [3,] 0.0920 0.1227 0.1785 0.1085 0.1313 0.0300 0.0346 0.0167 0.0199 0.0145
#>  [4,] 0.1833 0.1878 0.1114 0.0310 0.0902 0.0143 0.0138 0.0108 0.0062 0.0044
#>  [5,] 0.1433 0.0624 0.0100 0.0098 0.1267 0.0131 0.0152 0.0255 0.0071 0.0263
#>  [6,] 0.4803 0.3877 0.2779 0.1427 0.0456 0.0424 0.0271 0.0200 0.0070 0.0070
#>  [7,] 0.1700 0.1829 0.1403 0.0506 0.1081 0.0224 0.0095 0.0031 0.0103 0.0078
#>  [8,] 0.1373 0.0749 0.0472 0.0325 0.0412 0.0179 0.0045 0.0084 0.0010 0.0018
#>  [9,] 0.0734 0.0805 0.0608 0.0565 0.1284 0.0286 0.0154 0.0154 0.0156 0.0054
#> [10,] 0.0729 0.1190 0.1297 0.0748 0.1129 0.0067 0.0255 0.0113 0.0108 0.0085
#> [11,] 0.0757 0.1059 0.1005 0.0535 0.0351 0.0235 0.0155 0.0160 0.0029 0.0051
#> [12,] 0.2001 0.0775 0.1232 0.0783 0.0964 0.0089 0.0249 0.0204 0.0059 0.0053
#> [13,] 0.1058 0.1111 0.0849 0.0596 0.0993 0.0201 0.0071 0.0104 0.0062 0.0026
#> [14,] 0.0307 0.0237 0.0470 0.0102 0.1913 0.0057 0.0031 0.0163 0.0099 0.0084
#> [15,] 0.1097 0.1173 0.0972 0.0703 0.1296 0.0281 0.0216 0.0153 0.0112 0.0241
#> [16,] 0.0919 0.0882 0.0228 0.0380 0.1397 0.0142 0.0137 0.0120 0.0042 0.0238
#> [17,] 0.1003 0.0951 0.1210 0.0728 0.1217 0.0174 0.0213 0.0269 0.0152 0.0257
#> [18,] 0.2134 0.3241 0.2945 0.1474 0.1443 0.0211 0.0361 0.0444 0.0230 0.0290
#> [19,] 0.1470 0.0991 0.0041 0.0154 0.0214 0.0116 0.0181 0.0146 0.0129 0.0047
#> [20,] 0.0791 0.0365 0.0152 0.0085 0.0260 0.0120 0.0022 0.0069 0.0064 0.0129
#> [21,] 0.1085 0.1521 0.1363 0.0858 0.0393 0.0290 0.0203 0.0116 0.0098 0.0199
#> [22,] 0.1177 0.0779 0.0495 0.0492 0.1409 0.0194 0.0250 0.0115 0.0190 0.0055
#> [23,] 0.0798 0.0701 0.0526 0.0241 0.1615 0.0117 0.0122 0.0122 0.0114 0.0098
#> [24,] 0.2024 0.1043 0.0453 0.0337 0.0133 0.0122 0.0072 0.0108 0.0070 0.0063
#> [25,] 0.1940 0.1937 0.1082 0.0336 0.0537 0.0177 0.0209 0.0134 0.0094 0.0047
#> [26,] 0.0566 0.0766 0.0969 0.0588 0.0597 0.0050 0.0118 0.0146 0.0040 0.0114
#> [27,] 0.0278 0.0179 0.0114 0.0073 0.0525 0.0116 0.0092 0.0078 0.0041 0.0013
#> [28,] 0.1181 0.1150 0.0550 0.0293 0.1675 0.0183 0.0104 0.0117 0.0101 0.0061
#> [29,] 0.1146 0.0476 0.0943 0.0824 0.0233 0.0171 0.0244 0.0258 0.0143 0.0226
#> [30,] 0.1948 0.1211 0.0843 0.0589 0.0416 0.0247 0.0118 0.0088 0.0104 0.0036
#> [31,] 0.0138 0.1164 0.2052 0.1069 0.0165 0.0199 0.0208 0.0176 0.0197 0.0210
#> [32,] 0.1665 0.1807 0.1245 0.0516 0.0936 0.0044 0.0185 0.0072 0.0055 0.0074
#> [33,] 0.0695 0.0598 0.0456 0.0021 0.0679 0.0068 0.0036 0.0022 0.0032 0.0060
#> [34,] 0.1946 0.1723 0.1522 0.0929 0.0227 0.0179 0.0242 0.0083 0.0037 0.0095
#> [35,] 0.1883 0.1954 0.1492 0.0511 0.0462 0.0155 0.0189 0.0150 0.0060 0.0082
#> [36,] 0.1343 0.0838 0.0755 0.0304 0.1397 0.0074 0.0069 0.0025 0.0103 0.0074
#> [37,] 0.1790 0.1689 0.1341 0.0769 0.0484 0.0222 0.0205 0.0123 0.0067 0.0011
#> [38,] 0.1136 0.1034 0.0688 0.0422 0.1570 0.0117 0.0070 0.0167 0.0127 0.0138
#> [39,] 0.5692 0.2630 0.1196 0.0983 0.1693 0.0374 0.0291 0.0156 0.0197 0.0135
#> [40,] 0.4514 0.3096 0.1859 0.0956 0.1315 0.0206 0.0206 0.0096 0.0153 0.0096
#>          V55    V56    V57    V58    V59     V6    V60     V7     V8     V9
#>  [1,] 0.0276 0.0032 0.0084 0.0122 0.0082 0.1125 0.0143 0.3322 0.4590 0.5526
#>  [2,] 0.0069 0.0198 0.0199 0.0102 0.0070 0.1817 0.0055 0.1178 0.1024 0.0583
#>  [3,] 0.0081 0.0045 0.0043 0.0027 0.0055 0.2103 0.0057 0.2263 0.2524 0.3595
#>  [4,] 0.0072 0.0007 0.0054 0.0035 0.0001 0.1057 0.0055 0.1024 0.1209 0.1241
#>  [5,] 0.0079 0.0111 0.0107 0.0068 0.0097 0.1515 0.0067 0.2134 0.2613 0.2832
#>  [6,] 0.0086 0.0089 0.0074 0.0042 0.0055 0.0665 0.0021 0.0939 0.0972 0.2535
#>  [7,] 0.0077 0.0094 0.0031 0.0030 0.0013 0.1164 0.0069 0.1398 0.1009 0.1147
#>  [8,] 0.0068 0.0039 0.0120 0.0132 0.0070 0.0757 0.0088 0.1026 0.1138 0.0794
#>  [9,] 0.0030 0.0048 0.0087 0.0101 0.0095 0.1165 0.0068 0.1285 0.1684 0.1830
#> [10,] 0.0047 0.0074 0.0104 0.0161 0.0220 0.0973 0.0173 0.1823 0.1745 0.1440
#> [11,] 0.0062 0.0089 0.0140 0.0138 0.0077 0.1171 0.0031 0.1257 0.1178 0.1258
#> [12,] 0.0079 0.0037 0.0015 0.0056 0.0067 0.1827 0.0054 0.1106 0.1702 0.2804
#> [13,] 0.0025 0.0061 0.0038 0.0101 0.0078 0.1515 0.0006 0.1674 0.1513 0.1723
#> [14,] 0.0270 0.0277 0.0097 0.0054 0.0148 0.0924 0.0092 0.0761 0.1092 0.0757
#> [15,] 0.0164 0.0055 0.0078 0.0055 0.0091 0.1795 0.0067 0.1909 0.1692 0.1870
#> [16,] 0.0129 0.0084 0.0218 0.0321 0.0154 0.1493 0.0053 0.1487 0.0771 0.1171
#> [17,] 0.0097 0.0041 0.0050 0.0145 0.0103 0.2062 0.0025 0.1489 0.0929 0.1350
#> [18,] 0.0141 0.0161 0.0177 0.0194 0.0207 0.2770 0.0057 0.2555 0.1712 0.0466
#> [19,] 0.0039 0.0061 0.0040 0.0036 0.0061 0.0338 0.0115 0.0655 0.1400 0.1843
#> [20,] 0.0114 0.0054 0.0089 0.0050 0.0058 0.0458 0.0025 0.0470 0.0057 0.0425
#> [21,] 0.0033 0.0101 0.0065 0.0115 0.0193 0.1630 0.0157 0.2028 0.1694 0.2328
#> [22,] 0.0096 0.0050 0.0066 0.0114 0.0073 0.1916 0.0033 0.1349 0.1613 0.1703
#> [23,] 0.0027 0.0025 0.0026 0.0050 0.0073 0.0887 0.0022 0.0596 0.1071 0.3175
#> [24,] 0.0030 0.0011 0.0007 0.0024 0.0057 0.0151 0.0044 0.0541 0.0210 0.0505
#> [25,] 0.0045 0.0042 0.0028 0.0036 0.0013 0.0874 0.0016 0.1021 0.0852 0.1136
#> [26,] 0.0032 0.0062 0.0101 0.0068 0.0053 0.1416 0.0087 0.0956 0.0802 0.1618
#> [27,] 0.0011 0.0045 0.0039 0.0022 0.0023 0.0778 0.0016 0.0931 0.0941 0.1711
#> [28,] 0.0031 0.0099 0.0080 0.0107 0.0161 0.0418 0.0133 0.0723 0.0828 0.0494
#> [29,] 0.0187 0.0185 0.0110 0.0094 0.0078 0.1048 0.0112 0.1338 0.0644 0.1522
#> [30,] 0.0088 0.0047 0.0117 0.0020 0.0091 0.0201 0.0058 0.0314 0.0651 0.1896
#> [31,] 0.0141 0.0049 0.0027 0.0162 0.0059 0.0277 0.0021 0.0569 0.2057 0.3887
#> [32,] 0.0068 0.0084 0.0037 0.0024 0.0034 0.1146 0.0007 0.0706 0.0996 0.1673
#> [33,] 0.0054 0.0063 0.0143 0.0132 0.0051 0.0981 0.0041 0.0843 0.1172 0.0759
#> [34,] 0.0105 0.0030 0.0132 0.0068 0.0108 0.0834 0.0090 0.0677 0.2002 0.2876
#> [35,] 0.0091 0.0038 0.0056 0.0056 0.0048 0.0779 0.0024 0.1365 0.0780 0.1038
#> [36,] 0.0123 0.0069 0.0076 0.0073 0.0030 0.1883 0.0138 0.1422 0.1447 0.0487
#> [37,] 0.0026 0.0049 0.0029 0.0022 0.0022 0.0526 0.0032 0.0773 0.0862 0.1451
#> [38,] 0.0090 0.0051 0.0029 0.0122 0.0056 0.1750 0.0020 0.0920 0.1353 0.1593
#> [39,] 0.0127 0.0138 0.0133 0.0131 0.0154 0.0844 0.0218 0.0715 0.0947 0.1583
#> [40,] 0.0131 0.0198 0.0025 0.0199 0.0255 0.1323 0.0180 0.1608 0.2145 0.0847
#> 
#> $post[[2]]
#>              [,1]
#>  [1,] 0.003622821
#>  [2,] 0.001966755
#>  [3,] 0.002516955
#>  [4,] 0.007524353
#>  [5,] 0.002847729
#>  [6,] 0.003390919
#>  [7,] 0.002494941
#>  [8,] 0.002384229
#>  [9,] 0.011941086
#> [10,] 0.004170254
#> [11,] 0.006628856
#> [12,] 0.002921638
#> [13,] 0.003447216
#> [14,] 0.003270389
#> [15,] 0.002621322
#> [16,] 0.002757911
#> [17,] 0.002309338
#> [18,] 0.006850565
#> [19,] 0.004983537
#> [20,] 0.005569380
#> [21,] 0.006086016
#> [22,] 0.002095589
#> [23,] 0.003521441
#> [24,] 0.003356177
#> [25,] 0.007709788
#> [26,] 0.003543547
#> [27,] 0.002899796
#> [28,] 0.002315160
#> [29,] 0.006039783
#> [30,] 0.005328423
#> [31,] 0.004073842
#> [32,] 0.008327322
#> [33,] 0.004539767
#> [34,] 0.002698954
#> [35,] 0.007327235
#> [36,] 0.003062574
#> [37,] 0.004809946
#> [38,] 0.001790295
#> [39,] 0.002079007
#> [40,] 0.003986241
#> 
#> $post[[3]]
#>            [,1]      [,2]
#>  [1,] 0.5640822 0.4359178
#>  [2,] 0.5641154 0.4358846
#>  [3,] 0.5641044 0.4358956
#>  [4,] 0.5640039 0.4359961
#>  [5,] 0.5640977 0.4359023
#>  [6,] 0.5640868 0.4359132
#>  [7,] 0.5641048 0.4358952
#>  [8,] 0.5641070 0.4358930
#>  [9,] 0.5639154 0.4360846
#> [10,] 0.5640712 0.4359288
#> [11,] 0.5640219 0.4359781
#> [12,] 0.5640962 0.4359038
#> [13,] 0.5640857 0.4359143
#> [14,] 0.5640893 0.4359107
#> [15,] 0.5641023 0.4358977
#> [16,] 0.5640995 0.4359005
#> [17,] 0.5641085 0.4358915
#> [18,] 0.5640175 0.4359825
#> [19,] 0.5640549 0.4359451
#> [20,] 0.5640432 0.4359568
#> [21,] 0.5640328 0.4359672
#> [22,] 0.5641128 0.4358872
#> [23,] 0.5640842 0.4359158
#> [24,] 0.5640875 0.4359125
#> [25,] 0.5640002 0.4359998
#> [26,] 0.5640838 0.4359162
#> [27,] 0.5640967 0.4359033
#> [28,] 0.5641084 0.4358916
#> [29,] 0.5640337 0.4359663
#> [30,] 0.5640480 0.4359520
#> [31,] 0.5640731 0.4359269
#> [32,] 0.5639878 0.4360122
#> [33,] 0.5640638 0.4359362
#> [34,] 0.5641007 0.4358993
#> [35,] 0.5640079 0.4359921
#> [36,] 0.5640934 0.4359066
#> [37,] 0.5640584 0.4359416
#> [38,] 0.5641189 0.4358811
#> [39,] 0.5641131 0.4358869
#> [40,] 0.5640749 0.4359251
#> 
#> 
#> $pre
#> $pre[[1]]
#> NULL
#> 
#> $pre[[2]]
#>            [,1]
#>  [1,] -5.616873
#>  [2,] -6.229402
#>  [3,] -5.982185
#>  [4,] -4.882058
#>  [5,] -5.858382
#>  [6,] -5.683258
#>  [7,] -5.990992
#>  [8,] -6.036492
#>  [9,] -4.415757
#> [10,] -5.475599
#> [11,] -5.009672
#> [12,] -5.832685
#> [13,] -5.666735
#> [14,] -5.719571
#> [15,] -5.941452
#> [16,] -5.890520
#> [17,] -6.068482
#> [18,] -4.976550
#> [19,] -5.296619
#> [20,] -5.184887
#> [21,] -5.095657
#> [22,] -6.165823
#> [23,] -5.645357
#> [24,] -5.693591
#> [25,] -4.857525
#> [26,] -5.639077
#> [27,] -5.840211
#> [28,] -6.065958
#> [29,] -5.103329
#> [30,] -5.229357
#> [31,] -5.499087
#> [32,] -4.779851
#> [33,] -5.390330
#> [34,] -5.912188
#> [35,] -4.908803
#> [36,] -5.785432
#> [37,] -5.332248
#> [38,] -6.323583
#> [39,] -6.173784
#> [40,] -5.520913
#> 
#> $pre[[3]]
#>            [,1]        [,2]
#>  [1,] 0.1868191 -0.07092714
#>  [2,] 0.1868907 -0.07099053
#>  [3,] 0.1868669 -0.07096947
#>  [4,] 0.1866503 -0.07077781
#>  [5,] 0.1868526 -0.07095681
#>  [6,] 0.1868291 -0.07093602
#>  [7,] 0.1868679 -0.07097032
#>  [8,] 0.1868727 -0.07097455
#>  [9,] 0.1864592 -0.07060875
#> [10,] 0.1867954 -0.07090619
#> [11,] 0.1866890 -0.07081208
#> [12,] 0.1868494 -0.07095398
#> [13,] 0.1868267 -0.07093387
#> [14,] 0.1868343 -0.07094063
#> [15,] 0.1868624 -0.07096548
#> [16,] 0.1868565 -0.07096025
#> [17,] 0.1868759 -0.07097742
#> [18,] 0.1866794 -0.07080360
#> [19,] 0.1867602 -0.07087506
#> [20,] 0.1867349 -0.07085264
#> [21,] 0.1867125 -0.07083286
#> [22,] 0.1868852 -0.07098560
#> [23,] 0.1868235 -0.07093103
#> [24,] 0.1868306 -0.07093735
#> [25,] 0.1866422 -0.07077071
#> [26,] 0.1868225 -0.07093018
#> [27,] 0.1868504 -0.07095482
#> [28,] 0.1868757 -0.07097720
#> [29,] 0.1867145 -0.07083463
#> [30,] 0.1867453 -0.07086186
#> [31,] 0.1867996 -0.07090988
#> [32,] 0.1866155 -0.07074707
#> [33,] 0.1867794 -0.07089205
#> [34,] 0.1868591 -0.07096251
#> [35,] 0.1866588 -0.07078535
#> [36,] 0.1868433 -0.07094859
#> [37,] 0.1867677 -0.07088171
#> [38,] 0.1868984 -0.07099729
#> [39,] 0.1868859 -0.07098624
#> [40,] 0.1868034 -0.07091323
#> 
#> 
#> $e
#>             [,1]       [,2]
#>  [1,]  0.4359178 -0.4359178
#>  [2,] -0.5641154  0.5641154
#>  [3,]  0.4358956 -0.4358956
#>  [4,]  0.4359961 -0.4359961
#>  [5,]  0.4359023 -0.4359023
#>  [6,]  0.4359132 -0.4359132
#>  [7,] -0.5641048  0.5641048
#>  [8,] -0.5641070  0.5641070
#>  [9,]  0.4360846 -0.4360846
#> [10,] -0.5640712  0.5640712
#> [11,]  0.4359781 -0.4359781
#> [12,]  0.4359038 -0.4359038
#> [13,]  0.4359143 -0.4359143
#> [14,]  0.4359107 -0.4359107
#> [15,]  0.4358977 -0.4358977
#> [16,]  0.4359005 -0.4359005
#> [17,]  0.4358915 -0.4358915
#> [18,]  0.4359825 -0.4359825
#> [19,]  0.4359451 -0.4359451
#> [20,] -0.5640432  0.5640432
#> [21,]  0.4359672 -0.4359672
#> [22,]  0.4358872 -0.4358872
#> [23,]  0.4359158 -0.4359158
#> [24,] -0.5640875  0.5640875
#> [25,]  0.4359998 -0.4359998
#> [26,]  0.4359162 -0.4359162
#> [27,] -0.5640967  0.5640967
#> [28,]  0.4358916 -0.4358916
#> [29,]  0.4359663 -0.4359663
#> [30,] -0.5640480  0.5640480
#> [31,]  0.4359269 -0.4359269
#> [32,]  0.4360122 -0.4360122
#> [33,] -0.5640638  0.5640638
#> [34,] -0.5641007  0.5641007
#> [35,]  0.4359921 -0.4359921
#> [36,] -0.5640934  0.5640934
#> [37,]  0.4359416 -0.4359416
#> [38,] -0.5641189  0.5641189
#> [39,]  0.4358869 -0.4358869
#> [40,] -0.5640749  0.5640749
#> 
#> $L
#> [1] 0.6923525 0.6901481 0.6976316 0.6814019 0.7098057 0.6563508
#> 


# Make predictions for the test rows
predictions = learner$predict(task, row_ids = ids$test)

# Score the predictions
predictions$score()
#> classif.ce 
#>  0.4637681