1. Auto tune问题的解决方法

在mlr3包中，我们可以使用tune_params()函数来进行参数自动调整。例如，我们可以为一个分类算法中的参数使用Auto tune如下所示：

# 安装mlr3tuning包
install.packages("mlr3tuning")

# 导入mlr3tuning包
library(mlr3tuning)

# 使用tune_params()函数来进行参数自动调整
task = tsk("iris")
learner = lrn("classif.rpart")
search_space = ps(cp = p_dbl(lower = 0.01, upper = 0.5))
resampling = rsmp("cv", folds = 3)
measure = msr("classif.ce")
tuner = tnr("grid_search", resolution = 5)
terminator = trm("none")
tune_result = tune_params(learner, task, resampling, measure, search_space, tuner, terminator)

2. 自定义重采样问题的解决方法

在mlr3包中，我们可以使用makeResampleDesc()函数来自定义重采样方案。例如，我们可以使用以下代码来设定一个自定义的重采样方案：

# 定义一个自定义重采样方案
custom_resampling = makeResampleDesc("Bootstrap", stratify = TRUE, predict = "test")

接下来，我们可以将自定义的重采样方案应用于训练流程之中，如下所示：

# 使用自定义的重采样方案进行训练
learner = lrn("classif.rpart")
task = tsk("iris")
measure = msr("classif.ce")
train_result = resample(learner, task, measure, custom_resampling)