MLR类似于caret，MLR 为各种统计和机器学习包提供高级接口。

根据包装说明：

与大量分类和回归技术的接口，包括机器可读的参数描述。还有一个实验性扩展，用于生存分析、聚类和一般的、特定示例的成本敏感学习。通用重采样，包括交叉验证、自举和二次采样。使用现代优化技术进行超参数调整，用于单目标和多目标问题。用于特征选择的过滤器和包装器方法。使用机器学习中常见的附加操作扩展基本学习器，还允许轻松嵌套重采样。大多数操作可以并行化。

请检查参考和主页。