
R Under development (unstable) (2026-02-04 r89376 ucrt) -- "Unsuffered Consequences"
Copyright (C) 2026 The R Foundation for Statistical Computing
Platform: x86_64-w64-mingw32/x64

R is free software and comes with ABSOLUTELY NO WARRANTY.
You are welcome to redistribute it under certain conditions.
Type 'license()' or 'licence()' for distribution details.

R is a collaborative project with many contributors.
Type 'contributors()' for more information and
'citation()' on how to cite R or R packages in publications.

Type 'demo()' for some demos, 'help()' for on-line help, or
'help.start()' for an HTML browser interface to help.
Type 'q()' to quit R.

> library(rtemis)
  .:rtemis 1.0.0 🌊 x86_64-w64-mingw32/x64
> library(testthat)

Attaching package: 'testthat'

The following object is masked from 'package:rtemis':

    describe

> 
> test_check("rtemis")
[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0m▶[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0mInput: [1;38;2;0;178;178m150[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_unsupervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0m[1mClustering with KMeans...[0m[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0mChecking unsupervised data... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_unsupervised_data]
[0m[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0mClustering with KMeans ...[0m[22;38;2;128;128;128m [cluster_KMeans][0m
[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0m✔ Done in [1m0.42[0m seconds.[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0m▶[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0mInput: [1;38;2;0;178;178m150[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_unsupervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0m[1mClustering with KMeans...[0m[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0mChecking unsupervised data... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_unsupervised_data]
[0m[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0mClustering with KMeans ...[0m[22;38;2;128;128;128m [cluster_KMeans][0m
[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0m✔ Done in [1m0.03[0m seconds.[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0m▶[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0mInput: [1;38;2;0;178;178m150[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_unsupervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0m[1mClustering with HardCL...[0m[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0mChecking unsupervised data... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_unsupervised_data]
[0m[22;38;2;128;128;128m2026-02-05 01:47:15 [0m[0mClustering with HardCL ...[0m[22;38;2;128;128;128m [cluster_HardCL][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0m✔ Done in [1m0.03[0m seconds.[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0m▶[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mInput: [1;38;2;0;178;178m150[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_unsupervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0m[1mClustering with NeuralGas...[0m[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mChecking unsupervised data... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_unsupervised_data]
[0m[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mClustering with NeuralGas ...[0m[22;38;2;128;128;128m [cluster_NeuralGas][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0m✔ Done in [1m0.07[0m seconds.[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0m▶[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mInput: [1;38;2;0;178;178m150[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_unsupervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0m[1mClustering with CMeans...[0m[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mChecking unsupervised data... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_unsupervised_data]
[0m[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mClustering with CMeans ...[0m[22;38;2;128;128;128m [cluster_CMeans][0m
Iteration:   1, Error:  1.1042602505
Iteration:   2, Error:  0.5503193719
Iteration:   3, Error:  0.4423465986
Iteration:   4, Error:  0.4111220995
Iteration:   5, Error:  0.4043030220
Iteration:   6, Error:  0.4034648019
Iteration:   7, Error:  0.4033802840
Iteration:   8, Error:  0.4033722413
Iteration:   9, Error:  0.4033714854
Iteration:  10, Error:  0.4033714131
Iteration:  11, Error:  0.4033714056
Iteration:  12 converged, Error:  0.4033714046
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0m✔ Done in [1m0.00[0m seconds.[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0m▶[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mInput: [1;38;2;0;178;178m150[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_unsupervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0m[1mClustering with DBSCAN...[0m[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mChecking unsupervised data... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_unsupervised_data]
[0m[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mClustering with DBSCAN ...[0m[22;38;2;128;128;128m [cluster_DBSCAN][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mFound [1;38;2;0;178;178m3[0m clusters.[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0m✔ Done in [1m0.02[0m seconds.[0m[22;38;2;128;128;128m [cluster][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0m▶[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mInput: [1;38;2;0;178;178m150[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_unsupervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mDecomposing with PCA...[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mChecking unsupervised data... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_unsupervised_data]
[0m[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mDecomposing with PCA ...[0m[22;38;2;128;128;128m [decom_PCA][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0m✔ Done in [1m0.02[0m seconds.[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0m▶[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mInput: [1;38;2;0;178;178m150[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_unsupervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mDecomposing with ICA...[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mChecking unsupervised data... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_unsupervised_data]
[0m[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0mDecomposing with ICA ...[0m[22;38;2;128;128;128m [decom_ICA][0m
Centering
colstandard
Whitening
Symmetric FastICA using logcosh approx. to neg-entropy function
Iteration 1 tol=0.875525
Iteration 2 tol=0.364120
Iteration 3 tol=0.018013
Iteration 4 tol=0.000355
Iteration 5 tol=0.000066
[22;38;2;128;128;128m2026-02-05 01:47:16 [0m[0m✔ Done in [1m0.00[0m seconds.[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:17 [0m[0m▶[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:17 [0m[0mInput: [1;38;2;0;178;178m150[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_unsupervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:17 [0m[0mDecomposing with NMF...[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:17 [0m[0mChecking unsupervised data... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_unsupervised_data]
[0m[22;38;2;128;128;128m2026-02-05 01:47:17 [0m[0mDecomposing with NMF ...[0m[22;38;2;128;128;128m [decom_NMF][0m
[22;38;2;128;128;128m2026-02-05 01:47:19 [0m[0m✔ Done in [1m1.97[0m seconds.[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:20 [0m[0m▶[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:20 [0m[0mInput: [1;38;2;0;178;178m150[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_unsupervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:20 [0m[0mDecomposing with UMAP...[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:20 [0m[0mChecking unsupervised data... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_unsupervised_data]
[0m[22;38;2;128;128;128m2026-02-05 01:47:20 [0m[0mDecomposing with UMAP ...[0m[22;38;2;128;128;128m [decom_UMAP][0m
[22;38;2;128;128;128m2026-02-05 01:47:22 [0m[0m✔ Done in [1m2.20[0m seconds.[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:22 [0m[0m▶[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:22 [0m[0mInput: [1;38;2;0;178;178m150[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_unsupervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:22 [0m[0mDecomposing with UMAP...[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:22 [0m[0mChecking unsupervised data... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_unsupervised_data]
[0m[22;38;2;128;128;128m2026-02-05 01:47:22 [0m[0mDecomposing with UMAP ...[0m[22;38;2;128;128;128m [decom_UMAP][0m
[22;38;2;128;128;128m2026-02-05 01:47:23 [0m[0m✔ Done in [1m1.54[0m seconds.[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:23 [0m[0m▶[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:23 [0m[0mInput: [1;38;2;0;178;178m150[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_unsupervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:23 [0m[0mDecomposing with tSNE...[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:23 [0m[0mChecking unsupervised data... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_unsupervised_data]
[0m[22;38;2;128;128;128m2026-02-05 01:47:23 [0m[0mDecomposing with tSNE ...[0m[22;38;2;128;128;128m [decom_tSNE][0m

[22;38;2;128;128;128m2026-02-05 01:47:23 [0m[0mRemoving 1 duplicate case...[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:47:23 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:47:23 [0m[0m▶[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:23 [0m[0mInput: [1;38;2;0;178;178m149[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_unsupervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:23 [0m[0mDecomposing with tSNE...[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:23 [0m[0mChecking unsupervised data... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_unsupervised_data]
[0m[22;38;2;128;128;128m2026-02-05 01:47:23 [0m[0mDecomposing with tSNE ...[0m[22;38;2;128;128;128m [decom_tSNE][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0m✔ Done in [1m0.27[0m seconds.[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0m▶[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mInput: [1;38;2;0;178;178m150[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_unsupervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mDecomposing with Isomap...[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mChecking unsupervised data... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_unsupervised_data]
[0m[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mDecomposing with Isomap ...[0m[22;38;2;128;128;128m [decom_Isomap][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0m✔ Done in [1m0.01[0m seconds.[0m[22;38;2;128;128;128m [decomp][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mUsing max n bins possible = 3.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mScaling and centering 4 numeric features...[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mScaling and centering 4 numeric features...[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mScaling and centering 4 numeric features...[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mApplying preprocessing to test data...[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mScaling and centering 4 numeric features...[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mImputing missing values using get_mode (discrete) and mean (continuous)...[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:47:24 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mOne hot encoding g... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[one_hot]
[0m[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mUsing max n bins possible = 3.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mUsing max n bins possible = 3.[0m[22;38;2;128;128;128m [kfold][0m

Attaching package: 'data.table'

The following object is masked from 'package:base':

    %notin%

[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mUsing max n bins possible = 3.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mTraining [1;38;2;0;178;178mGLM Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLM[0m (Generalized Linear Model)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.73
[1m     MSE[0m: 0.82
[1m    RMSE[0m: 0.91
[1m     Rsq[0m: 0.83

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.74
[1m     MSE[0m: 1.03
[1m    RMSE[0m: 1.01
[1m     Rsq[0m: 0.77

[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m✔ Done in [1m0.11[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mTraining [1;38;2;0;178;178mGLM Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mChecking data is ready for training...
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mTraining set: [1;38;2;0;178;178m400[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mGLM Regression[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Regression Model>
GLM (Generalized Linear Model)
⟳ Tested using 3 independent folds.

  <Resampled Regression Training Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.726 (0.014)
     MSE: 0.838 (0.049)
    RMSE: 0.915 (0.026)
     Rsq: 0.829 (0.011)

  <Resampled Regression Test Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.735 (0.027)
     MSE: 0.871 (0.097)
    RMSE: 0.932 (0.053)
     Rsq: 0.822 (0.022)

[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m✔ Done in [1m0.19[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mTraining [1;38;2;0;178;178mGLM Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLM[0m (Generalized Linear Model)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         44           1
[1;38;2;0;178;178m         versicolor[0m          1          44

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  0.978  
[22;38;2;128;128;128m        Specificity[0m  0.978  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.978  
[22;38;2;128;128;128m                PPV[0m  0.978  
[22;38;2;128;128;128m                NPV[0m  0.978  
[22;38;2;128;128;128m                 F1[0m  0.978  
[22;38;2;128;128;128m           Accuracy[0m  0.978  
[22;38;2;128;128;128m                AUC[0m  0.998  
[22;38;2;128;128;128m        Brier_Score[0m  0.018  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  1.000  
[22;38;2;128;128;128m        Brier_Score[0m  0.093  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m✔ Done in [1m0.08[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mCalculating case weights using Inverse Frequency Weighting.[0m[22;38;2;128;128;128m [ifw][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mTraining [1;38;2;0;178;178mGLM Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLM[0m (Generalized Linear Model)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         44           1
[1;38;2;0;178;178m         versicolor[0m          1          44

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  0.978  
[22;38;2;128;128;128m        Specificity[0m  0.978  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.978  
[22;38;2;128;128;128m                PPV[0m  0.978  
[22;38;2;128;128;128m                NPV[0m  0.978  
[22;38;2;128;128;128m                 F1[0m  0.978  
[22;38;2;128;128;128m           Accuracy[0m  0.978  
[22;38;2;128;128;128m                AUC[0m  0.998  
[22;38;2;128;128;128m        Brier_Score[0m  0.018  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  1.000  
[22;38;2;128;128;128m        Brier_Score[0m  0.093  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m✔ Done in [1m0.06[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mTraining set: [1;38;2;0;178;178m100[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mGLM Classification[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:25 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
Warning caught: glm.fit: fitted probabilities numerically 0 or 1 occurred
[22;38;2;255;159;32m[1mReasons for this warning include:[0m
  1) Perfect Separation of classes.
  2) Highly Imbalanced data.
  3) Extreme values in predictors.
  4) Too many predictors for the number of observations.
  5) Multicollinearity.
  [1mSuggestion:[0m
  Try using GLMNET or tree-based algorithms 
[0mWarning caught: glm.fit: algorithm did not converge
Warning caught: glm.fit: fitted probabilities numerically 0 or 1 occurred
[22;38;2;255;159;32m[1mReasons for this warning include:[0m
  1) Perfect Separation of classes.
  2) Highly Imbalanced data.
  3) Extreme values in predictors.
  4) Too many predictors for the number of observations.
  5) Multicollinearity.
  [1mSuggestion:[0m
  Try using GLMNET or tree-based algorithms 
[0mWarning caught: glm.fit: algorithm did not converge
Warning caught: glm.fit: fitted probabilities numerically 0 or 1 occurred
[22;38;2;255;159;32m[1mReasons for this warning include:[0m
  1) Perfect Separation of classes.
  2) Highly Imbalanced data.
  3) Extreme values in predictors.
  4) Too many predictors for the number of observations.
  5) Multicollinearity.
  [1mSuggestion:[0m
  Try using GLMNET or tree-based algorithms 
[0m[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Classification Model>
GLM (Generalized Linear Model)
⟳ Tested using 3 independent folds.

  <Resampled Classification Training Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.990 (0.017)
          Specificity: 0.990 (0.017)
    Balanced_Accuracy: 0.990 (0.017)
                  PPV: 0.990 (0.017)
                  NPV: 0.990 (0.017)
                   F1: 0.990 (0.017)
             Accuracy: 0.990 (0.017)
                  AUC: 0.999 (1.6e-03)
          Brier_Score: 0.007 (0.011)

  <Resampled Classification Test Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.880 (4.2e-03)
          Specificity: 0.940 (0.059)
    Balanced_Accuracy: 0.910 (0.030)
                  PPV: 0.939 (0.059)
                  NPV: 0.886 (0.007)
                   F1: 0.908 (0.028)
             Accuracy: 0.910 (0.030)
                  AUC: 0.945 (0.019)
          Brier_Score: 0.085 (0.027)

[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0m✔ Done in [1m0.20[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0mTraining [1;38;2;0;178;178mGLMNET Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLMNET[0m (Elastic Net)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.73
[1m     MSE[0m: 0.82
[1m    RMSE[0m: 0.91
[1m     Rsq[0m: 0.83

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.74
[1m     MSE[0m: 1.02
[1m    RMSE[0m: 1.01
[1m     Rsq[0m: 0.77

[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0m✔ Done in [1m0.08[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m2[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m2[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m

[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0m▶[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0m[1;38;2;255;159;32m<> [0mTuning GLMNET by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0m[1;38;2;255;159;32m1[0m parameter combination x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m5[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mKFoldConfig[0m[22;38;2;128;128;128m>[0m
[1m             n[0m: 5
[1m  stratify_var[0m: NULL
[1m  strat_n_bins[0m: 4
[1m      id_strat[0m: NULL
[1m          seed[0m: NULL
[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[0mTuning using future ([1mmirai_multisession[0m); N workers: [1m2[0m[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:26 [0m[22;38;2;169;36;89mCurrent future plan:[0m[0m[22;38;2;128;128;128m [tune_GridSearch][0m
mirai_multisession:
- args: function (..., workers = 2L, envir = parent.frame())
- tweaked: TRUE
- call: future::plan(strategy = requested_plan, workers = n_workers)
MiraiMultisessionFutureBackend:
Inherits: MiraiFutureBackend, MultiprocessFutureBackend, FutureBackend
UUID: 6b1751d942684b3f324567538d696cea
Number of workers: 2
Number of free workers: 2
Available cores: 2
Automatic garbage collection: FALSE
Early signaling: FALSE
Interrupts are enabled: TRUE
Maximum total size of globals: +Inf
Maximum total size of value: +Inf
Number of active futures: 0
Number of futures since start: 0 (0 created, 0 launched, 0 finished)
Total runtime of futures: 0 secs (NaN secs/finished future)
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLMNET[0m (Elastic Net)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.77
[1m     MSE[0m: 0.92
[1m    RMSE[0m: 0.96
[1m     Rsq[0m: 0.82
  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mValidation Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.71
[1m     MSE[0m: 0.80
[1m    RMSE[0m: 0.90
[1m     Rsq[0m: 0.84
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLMNET[0m (Elastic Net)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.76
[1m     MSE[0m: 0.91
[1m    RMSE[0m: 0.95
[1m     Rsq[0m: 0.82
  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mValidation Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.74
[1m     MSE[0m: 0.89
[1m    RMSE[0m: 0.95
[1m     Rsq[0m: 0.82
[22;38;2;128;128;128m2026-02-05 01:47:27 [0m[22;38;2;169;36;89mRunning grid line #[1;38;2;255;159;32m1[0m/5...[0m[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:27 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:27 [0m[0m  Training set: [1;38;2;0;178;178m285[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:27 [0m[0mValidation set: [1;38;2;0;178;178m73[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:27 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:27 [0m[0mTraining [1;38;2;0;178;178mGLMNET Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:28 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m

[22;38;2;128;128;128m2026-02-05 01:47:28 [0m[0m✔ Done in [1m1.06[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:28 [0m[22;38;2;169;36;89mRunning grid line #[1;38;2;255;159;32m2[0m/5...[0m[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:28 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:28 [0m[0m  Training set: [1;38;2;0;178;178m288[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:28 [0m[0mValidation set: [1;38;2;0;178;178m70[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:28 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:28 [0m[0mTraining [1;38;2;0;178;178mGLMNET Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:28 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m

[22;38;2;128;128;128m2026-02-05 01:47:28 [0m[0m✔ Done in [1m0.14[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLMNET[0m (Elastic Net)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.77
[1m     MSE[0m: 0.94
[1m    RMSE[0m: 0.97
[1m     Rsq[0m: 0.82
  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mValidation Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.72
[1m     MSE[0m: 0.78
[1m    RMSE[0m: 0.88
[1m     Rsq[0m: 0.82
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLMNET[0m (Elastic Net)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.75
[1m     MSE[0m: 0.89
[1m    RMSE[0m: 0.94
[1m     Rsq[0m: 0.81
  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mValidation Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.83
[1m     MSE[0m: 1.03
[1m    RMSE[0m: 1.01
[1m     Rsq[0m: 0.82
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLMNET[0m (Elastic Net)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.74
[1m     MSE[0m: 0.87
[1m    RMSE[0m: 0.93
[1m     Rsq[0m: 0.83
  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mValidation Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.81
[1m     MSE[0m: 1.05
[1m    RMSE[0m: 1.02
[1m     Rsq[0m: 0.79
[22;38;2;128;128;128m2026-02-05 01:47:27 [0m[22;38;2;169;36;89mRunning grid line #[1;38;2;255;159;32m3[0m/5...[0m[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:27 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:27 [0m[0m  Training set: [1;38;2;0;178;178m286[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:27 [0m[0mValidation set: [1;38;2;0;178;178m72[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:27 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:27 [0m[0mTraining [1;38;2;0;178;178mGLMNET Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m

[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0m✔ Done in [1m1.70[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[22;38;2;169;36;89mRunning grid line #[1;38;2;255;159;32m4[0m/5...[0m[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0m  Training set: [1;38;2;0;178;178m288[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0mValidation set: [1;38;2;0;178;178m70[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0mTraining [1;38;2;0;178;178mGLMNET Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m

[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0m✔ Done in [1m0.14[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[22;38;2;169;36;89mRunning grid line #[1;38;2;255;159;32m5[0m/5...[0m[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0m  Training set: [1;38;2;0;178;178m285[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0mValidation set: [1;38;2;0;178;178m73[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0mTraining [1;38;2;0;178;178mGLMNET Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m

[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0m✔ Done in [1m0.08[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[22;38;2;169;36;89mExtracting best lambda from GLMNET models...[0m[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0mBest config to minimize MSE:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      lambda[0m: {} => [1m0.146228052216688[0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0m✔ Done in [1m3.36[0m seconds.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0mTraining [1;38;2;0;178;178mGLMNET Regression[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[22;38;2;169;36;89mNCOL(xm): 6[0m[0m[22;38;2;128;128;128m [train_GLMNET][0m
[22;38;2;128;128;128m2026-02-05 01:47:29 [0m[22;38;2;169;36;89mUpdated hyperparameters[["penalty_factor"]] to all 1s.[0m[0m[22;38;2;128;128;128m [train_GLMNET][0m

[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLMNET[0m (Elastic Net)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.76
[1m     MSE[0m: 0.90
[1m    RMSE[0m: 0.95
[1m     Rsq[0m: 0.82

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.73
[1m     MSE[0m: 0.95
[1m    RMSE[0m: 0.98
[1m     Rsq[0m: 0.79

[22;38;2;128;128;128m2026-02-05 01:47:30 [0m[0m✔ Done in [1m3.65[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:30 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:30 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:30 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:30 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m2[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m2[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:30 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:30 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:30 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:30 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m2[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m2[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:30 [0m[0m[1;38;2;255;159;32m<> [0mTuning GLMNET by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:30 [0m[0m[1;38;2;255;159;32m1[0m parameter combination x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m5[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:30 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:30 [0m[0mTuning using mirai; N workers: [1m2[0m[0m[22;38;2;128;128;128m [tune_GridSearch][0m
======>------------------------   20% | ETA:  6s
==============================>  100% | ETA:  0s
[22;38;2;128;128;128m2026-02-05 01:47:32 [0m[0mBest config to minimize MSE:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      lambda[0m: {} => [1m0.160818950780549[0m
[22;38;2;128;128;128m2026-02-05 01:47:32 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:32 [0m[0mTraining [1;38;2;0;178;178mGLMNET Regression[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:32 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLMNET[0m (Elastic Net)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.76
[1m     MSE[0m: 0.92
[1m    RMSE[0m: 0.96
[1m     Rsq[0m: 0.81

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.74
[1m     MSE[0m: 0.95
[1m    RMSE[0m: 0.97
[1m     Rsq[0m: 0.79

[22;38;2;128;128;128m2026-02-05 01:47:32 [0m[0m✔ Done in [1m2.71[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:32 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:32 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:32 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:32 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:32 [0m[0m[1;38;2;255;159;32m<> [0mTuning GLMNET by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:32 [0m[0m[1;38;2;255;159;32m2[0m parameter combinations x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m10[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:32 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:32 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:33 [0m[0mBest config to minimize MSE:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                       alpha[0m: {0, 1} => [1m0[0m
[1m                      lambda[0m: {} => [1m0.309667806207016[0m
[22;38;2;128;128;128m2026-02-05 01:47:33 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:33 [0m[0mTraining [1;38;2;0;178;178mGLMNET Regression[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:33 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLMNET[0m (Elastic Net)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.75
[1m     MSE[0m: 0.89
[1m    RMSE[0m: 0.94
[1m     Rsq[0m: 0.82

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.71
[1m     MSE[0m: 0.91
[1m    RMSE[0m: 0.95
[1m     Rsq[0m: 0.80

[22;38;2;128;128;128m2026-02-05 01:47:33 [0m[0m✔ Done in [1m1.03[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:33 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:33 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:33 [0m[0mTuning parallelization enabled. Disabling outer resampling parallelization.[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:33 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:33 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mGLMNET Regression[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:33 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
\ 2/3 ETA:  1s | Training outer resamples... 
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Regression Model>
GLMNET (Elastic Net)
⚙ Tuned using exhaustive grid search.
⟳ Tested using 3 independent folds.

  <Resampled Regression Training Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.758 (0.016)
     MSE: 0.900 (0.035)
    RMSE: 0.948 (0.018)
     Rsq: 0.818 (0.010)

  <Resampled Regression Test Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.770 (0.028)
     MSE: 0.932 (0.043)
    RMSE: 0.965 (0.022)
     Rsq: 0.811 (0.022)

[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0m✔ Done in [1m3.57[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0mCalculating case weights using Inverse Frequency Weighting.[0m[22;38;2;128;128;128m [ifw][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0mTraining [1;38;2;0;178;178mGLMNET Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLMNET[0m (Elastic Net)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         43           2
[1;38;2;0;178;178m         versicolor[0m          2          43

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  0.956  
[22;38;2;128;128;128m        Specificity[0m  0.956  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.956  
[22;38;2;128;128;128m                PPV[0m  0.956  
[22;38;2;128;128;128m                NPV[0m  0.956  
[22;38;2;128;128;128m                 F1[0m  0.956  
[22;38;2;128;128;128m           Accuracy[0m  0.956  
[22;38;2;128;128;128m                AUC[0m  0.998  
[22;38;2;128;128;128m        Brier_Score[0m  0.024  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  1.000  
[22;38;2;128;128;128m        Brier_Score[0m  0.055  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0m✔ Done in [1m0.06[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0mTraining set: [1;38;2;0;178;178m135[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0m    Test set: [1;38;2;0;178;178m15[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0m[1;38;2;255;159;32m<> [0mTuning GLMNET by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0m[1;38;2;255;159;32m1[0m parameter combination x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m5[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0mUsing max n bins possible = 3.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:47:37 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mBest config to maximize Balanced_Accuracy:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      lambda[0m: {} => [1m0.00788446071925322[0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mCalculating case weights using Inverse Frequency Weighting.[0m[22;38;2;128;128;128m [ifw][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mTraining [1;38;2;0;178;178mGLMNET Classification[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLMNET[0m (Elastic Net)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m      45           0          0
[1;38;2;0;178;178m         versicolor[0m       0          42          3
[1;38;2;0;178;178m          virginica[0m       0           2         43

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.963  
[22;38;2;128;128;128m                 F1[0m  0.963  
[22;38;2;128;128;128m           Accuracy[0m  0.963  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000   0.933       0.956    
[22;38;2;128;128;128m        Specificity[0m  1.000   0.978       0.967    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000   0.956       0.961    
[22;38;2;128;128;128m                PPV[0m  1.000   0.955       0.935    
[22;38;2;128;128;128m                NPV[0m  1.000   0.967       0.978    
[22;38;2;128;128;128m                 F1[0m  1.000   0.944       0.945    

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m       5           0          0
[1;38;2;0;178;178m         versicolor[0m       0           5          0
[1;38;2;0;178;178m          virginica[0m       0           1          4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.933  
[22;38;2;128;128;128m                 F1[0m  0.933  
[22;38;2;128;128;128m           Accuracy[0m  0.933  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000   1.000       0.800    
[22;38;2;128;128;128m        Specificity[0m  1.000   0.900       1.000    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000   0.950       0.900    
[22;38;2;128;128;128m                PPV[0m  1.000   0.833       1.000    
[22;38;2;128;128;128m                NPV[0m  1.000   1.000       0.909    
[22;38;2;128;128;128m                 F1[0m  1.000   0.909       0.889    

[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m✔ Done in [1m1.56[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mTraining [1;38;2;0;178;178mGAM Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGAM[0m (Generalized Additive Model)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.72
[1m     MSE[0m: 0.80
[1m    RMSE[0m: 0.89
[1m     Rsq[0m: 0.84

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.75
[1m     MSE[0m: 1.01
[1m    RMSE[0m: 1.00
[1m     Rsq[0m: 0.77

[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m✔ Done in [1m0.14[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mTraining [1;38;2;0;178;178mGAM Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGAM[0m (Generalized Additive Model)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 1.49
[1m     MSE[0m: 2.95
[1m    RMSE[0m: 1.72
[1m     Rsq[0m: 0.40

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 1.26
[1m     MSE[0m: 2.20
[1m    RMSE[0m: 1.48
[1m     Rsq[0m: 0.51

[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m✔ Done in [1m0.11[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m1[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m1[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mTraining [1;38;2;0;178;178mGAM Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGAM[0m (Generalized Additive Model)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 1.37
[1m     MSE[0m: 2.80
[1m    RMSE[0m: 1.67
[1m     Rsq[0m: 0.43

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 1.16
[1m     MSE[0m: 1.93
[1m    RMSE[0m: 1.39
[1m     Rsq[0m: 0.57

[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m✔ Done in [1m0.05[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m[1;38;2;255;159;32m<> [0mTuning GAM by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0m[1;38;2;255;159;32m3[0m parameter combinations x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m15[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:39 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:40 [0m[0mBest config to minimize MSE:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      k[0m: {3, 5, 7} => [1m3[0m
[22;38;2;128;128;128m2026-02-05 01:47:40 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:40 [0m[0mTraining [1;38;2;0;178;178mGAM Regression[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:40 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGAM[0m (Generalized Additive Model)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.72
[1m     MSE[0m: 0.82
[1m    RMSE[0m: 0.91
[1m     Rsq[0m: 0.83

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.74
[1m     MSE[0m: 1.02
[1m    RMSE[0m: 1.01
[1m     Rsq[0m: 0.77

[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m✔ Done in [1m1.59[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mTraining set: [1;38;2;0;178;178m400[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mGAM Regression[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Regression Model>
GAM (Generalized Additive Model)
⟳ Tested using 3 independent folds.

  <Resampled Regression Training Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.716 (0.016)
     MSE: 0.813 (0.034)
    RMSE: 0.901 (0.019)
     Rsq: 0.834 (0.012)

  <Resampled Regression Test Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.747 (0.035)
     MSE: 0.891 (0.065)
    RMSE: 0.944 (0.034)
     Rsq: 0.817 (0.022)

[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m✔ Done in [1m0.33[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mTraining [1;38;2;0;178;178mGAM Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGAM[0m (Generalized Additive Model)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         45           0
[1;38;2;0;178;178m         versicolor[0m          0          45

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  1.000  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000  
[22;38;2;128;128;128m                PPV[0m  1.000  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  1.000  
[22;38;2;128;128;128m           Accuracy[0m  1.000  
[22;38;2;128;128;128m                AUC[0m  1.000  
[22;38;2;128;128;128m        Brier_Score[0m  2.2e-06

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  0.900  
[22;38;2;128;128;128m        Brier_Score[0m  0.100  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m✔ Done in [1m0.17[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mCalculating case weights using Inverse Frequency Weighting.[0m[22;38;2;128;128;128m [ifw][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mTraining [1;38;2;0;178;178mGAM Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGAM[0m (Generalized Additive Model)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         45           0
[1;38;2;0;178;178m         versicolor[0m          0          45

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  1.000  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000  
[22;38;2;128;128;128m                PPV[0m  1.000  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  1.000  
[22;38;2;128;128;128m           Accuracy[0m  1.000  
[22;38;2;128;128;128m                AUC[0m  1.000  
[22;38;2;128;128;128m        Brier_Score[0m  2.2e-06

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  0.900  
[22;38;2;128;128;128m        Brier_Score[0m  0.100  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m✔ Done in [1m0.16[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mTraining [1;38;2;0;178;178mLinearSVM Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mOne hot encoding g... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[one_hot]
[0m[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m

[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLinearSVM[0m (Support Vector Machine with Linear Kernel)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.72
[1m     MSE[0m: 0.83
[1m    RMSE[0m: 0.91
[1m     Rsq[0m: 0.83

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.75
[1m     MSE[0m: 1.02
[1m    RMSE[0m: 1.01
[1m     Rsq[0m: 0.77

[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m✔ Done in [1m0.13[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m[1;38;2;255;159;32m<> [0mTuning LinearSVM by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0m[1;38;2;255;159;32m2[0m parameter combinations x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m10[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:41 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mBest config to minimize MSE:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      cost[0m: {1, 10} => [1m1[0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mTraining [1;38;2;0;178;178mLinearSVM Regression[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mOne hot encoding g... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[one_hot]
[0m[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m

[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLinearSVM[0m (Support Vector Machine with Linear Kernel)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.72
[1m     MSE[0m: 0.83
[1m    RMSE[0m: 0.91
[1m     Rsq[0m: 0.83

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.75
[1m     MSE[0m: 1.02
[1m    RMSE[0m: 1.01
[1m     Rsq[0m: 0.77

[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m✔ Done in [1m1.65[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mTraining set: [1;38;2;0;178;178m400[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mLinearSVM Regression[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Regression Model>
LinearSVM (Support Vector Machine with Linear Kernel)
⟳ Tested using 3 independent folds.

  <Resampled Regression Training Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.723 (0.023)
     MSE: 0.840 (0.062)
    RMSE: 0.916 (0.034)
     Rsq: 0.828 (0.019)

  <Resampled Regression Test Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.750 (0.048)
     MSE: 0.904 (0.142)
    RMSE: 0.949 (0.075)
     Rsq: 0.813 (0.040)

[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m✔ Done in [1m0.25[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mTraining [1;38;2;0;178;178mLinearSVM Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mOne hot encoding gn... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[one_hot]
[0m[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m

[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLinearSVM[0m (Support Vector Machine with Linear Kernel)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         45           0
[1;38;2;0;178;178m         versicolor[0m          3          42

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.933  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.967  
[22;38;2;128;128;128m                PPV[0m  0.938  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.968  
[22;38;2;128;128;128m           Accuracy[0m  0.967  
[22;38;2;128;128;128m                AUC[0m  0.999  
[22;38;2;128;128;128m        Brier_Score[0m  0.024  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  1.000  
[22;38;2;128;128;128m        Brier_Score[0m  0.048  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m✔ Done in [1m0.06[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mTraining set: [1;38;2;0;178;178m135[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m    Test set: [1;38;2;0;178;178m15[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mTraining [1;38;2;0;178;178mLinearSVM Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[one_hot]
[0m[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m

[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLinearSVM[0m (Support Vector Machine with Linear Kernel)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m      45           0          0
[1;38;2;0;178;178m         versicolor[0m       0          43          2
[1;38;2;0;178;178m          virginica[0m       0           1         44

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.978  
[22;38;2;128;128;128m                 F1[0m  0.978  
[22;38;2;128;128;128m           Accuracy[0m  0.978  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000   0.956       0.978    
[22;38;2;128;128;128m        Specificity[0m  1.000   0.989       0.978    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000   0.972       0.978    
[22;38;2;128;128;128m                PPV[0m  1.000   0.977       0.957    
[22;38;2;128;128;128m                NPV[0m  1.000   0.978       0.989    
[22;38;2;128;128;128m                 F1[0m  1.000   0.966       0.967    

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m       5           0          0
[1;38;2;0;178;178m         versicolor[0m       0           5          0
[1;38;2;0;178;178m          virginica[0m       0           0          5

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  1.000  
[22;38;2;128;128;128m           Accuracy[0m  1.000  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000   1.000       1.000    
[22;38;2;128;128;128m        Specificity[0m  1.000   1.000       1.000    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000   1.000       1.000    
[22;38;2;128;128;128m                PPV[0m  1.000   1.000       1.000    
[22;38;2;128;128;128m                NPV[0m  1.000   1.000       1.000    
[22;38;2;128;128;128m                 F1[0m  1.000   1.000       1.000    

[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m✔ Done in [1m0.07[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mTraining set: [1;38;2;0;178;178m100[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mLinearSVM Classification[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:43 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Classification Model>
LinearSVM (Support Vector Machine with Linear Kernel)
⟳ Tested using 3 independent folds.

  <Resampled Classification Training Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.990 (0.017)
          Specificity: 0.970 (0.029)
    Balanced_Accuracy: 0.980 (0.022)
                  PPV: 0.971 (0.029)
                  NPV: 0.990 (0.017)
                   F1: 0.981 (0.022)
             Accuracy: 0.980 (0.022)
                  AUC: 0.999 (1.5e-03)
          Brier_Score: 0.023 (0.007)

  <Resampled Classification Test Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.939 (0.063)
          Specificity: 0.901 (0.067)
    Balanced_Accuracy: 0.920 (0.019)
                  PPV: 0.908 (0.051)
                  NPV: 0.941 (0.059)
                   F1: 0.921 (0.019)
             Accuracy: 0.920 (0.019)
                  AUC: 0.989 (0.007)
          Brier_Score: 0.050 (1.9e-03)

[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0m✔ Done in [1m0.17[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0mTraining [1;38;2;0;178;178mRadialSVM Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0mOne hot encoding g... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[one_hot]
[0m[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m

[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mRadialSVM[0m (Support Vector Machine with Radial Kernel)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.73
[1m     MSE[0m: 0.84
[1m    RMSE[0m: 0.92
[1m     Rsq[0m: 0.83

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.75
[1m     MSE[0m: 1.01
[1m    RMSE[0m: 1.01
[1m     Rsq[0m: 0.77

[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0m✔ Done in [1m0.11[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0m[1;38;2;255;159;32m<> [0mTuning RadialSVM by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0m[1;38;2;255;159;32m3[0m parameter combinations x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m15[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:44 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:45 [0m[0mBest config to minimize MSE:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      cost[0m: {1, 10, 100} => [1m1[0m
[22;38;2;128;128;128m2026-02-05 01:47:45 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:45 [0m[0mTraining [1;38;2;0;178;178mRadialSVM Regression[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:45 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m[22;38;2;128;128;128m2026-02-05 01:47:45 [0m[0mOne hot encoding g... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[one_hot]
[0m[22;38;2;128;128;128m2026-02-05 01:47:45 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m

[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mRadialSVM[0m (Support Vector Machine with Radial Kernel)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.73
[1m     MSE[0m: 0.84
[1m    RMSE[0m: 0.92
[1m     Rsq[0m: 0.83

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.75
[1m     MSE[0m: 1.01
[1m    RMSE[0m: 1.01
[1m     Rsq[0m: 0.77

[22;38;2;128;128;128m2026-02-05 01:47:45 [0m[0m✔ Done in [1m1.59[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:45 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:45 [0m[0mTraining set: [1;38;2;0;178;178m400[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:45 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:45 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mRadialSVM Regression[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:45 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:46 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Regression Model>
RadialSVM (Support Vector Machine with Radial Kernel)
⟳ Tested using 3 independent folds.

  <Resampled Regression Training Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.726 (0.028)
     MSE: 0.858 (0.065)
    RMSE: 0.926 (0.035)
     Rsq: 0.825 (0.008)

  <Resampled Regression Test Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.755 (0.077)
     MSE: 0.909 (0.157)
    RMSE: 0.951 (0.085)
     Rsq: 0.816 (0.022)

[22;38;2;128;128;128m2026-02-05 01:47:46 [0m[0m✔ Done in [1m0.25[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:46 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:46 [0m[0mTraining set: [1;38;2;0;178;178m400[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:46 [0m[0mTuning parallelization enabled. Disabling outer resampling parallelization.[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:46 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:46 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mRadialSVM Regression[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:46 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Regression Model>
RadialSVM (Support Vector Machine with Radial Kernel)
⚙ Tuned using exhaustive grid search.
⟳ Tested using 3 independent folds.

  <Resampled Regression Training Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.722 (0.058)
     MSE: 0.847 (0.117)
    RMSE: 0.919 (0.064)
     Rsq: 0.827 (0.024)

  <Resampled Regression Test Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.778 (0.119)
     MSE: 0.959 (0.236)
    RMSE: 0.974 (0.121)
     Rsq: 0.803 (0.048)

[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0m✔ Done in [1m2.52[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0mTraining [1;38;2;0;178;178mRadialSVM Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0mOne hot encoding gn... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[one_hot]
[0m[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m

[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mRadialSVM[0m (Support Vector Machine with Radial Kernel)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         42           3
[1;38;2;0;178;178m         versicolor[0m          2          43

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  0.933  
[22;38;2;128;128;128m        Specificity[0m  0.956  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.944  
[22;38;2;128;128;128m                PPV[0m  0.955  
[22;38;2;128;128;128m                NPV[0m  0.935  
[22;38;2;128;128;128m                 F1[0m  0.944  
[22;38;2;128;128;128m           Accuracy[0m  0.944  
[22;38;2;128;128;128m                AUC[0m  0.995  
[22;38;2;128;128;128m        Brier_Score[0m  0.036  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  1.000  
[22;38;2;128;128;128m        Brier_Score[0m  0.059  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0m✔ Done in [1m0.08[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0m[1;38;2;255;159;32m<> [0mTuning RadialSVM by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0m[1;38;2;255;159;32m2[0m parameter combinations x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m10[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:47:48 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0mBest config to maximize Balanced_Accuracy:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      cost[0m: {1, 10} => [1m1[0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0mTraining [1;38;2;0;178;178mRadialSVM Classification[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0mOne hot encoding gn... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[one_hot]
[0m[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m

[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mRadialSVM[0m (Support Vector Machine with Radial Kernel)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         42           3
[1;38;2;0;178;178m         versicolor[0m          2          43

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  0.933  
[22;38;2;128;128;128m        Specificity[0m  0.956  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.944  
[22;38;2;128;128;128m                PPV[0m  0.955  
[22;38;2;128;128;128m                NPV[0m  0.935  
[22;38;2;128;128;128m                 F1[0m  0.944  
[22;38;2;128;128;128m           Accuracy[0m  0.944  
[22;38;2;128;128;128m                AUC[0m  0.995  
[22;38;2;128;128;128m        Brier_Score[0m  0.036  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  1.000  
[22;38;2;128;128;128m        Brier_Score[0m  0.056  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0m✔ Done in [1m1.36[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0mTraining set: [1;38;2;0;178;178m100[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mRadialSVM Classification[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Classification Model>
RadialSVM (Support Vector Machine with Radial Kernel)
⟳ Tested using 3 independent folds.

  <Resampled Classification Training Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.920 (0.017)
          Specificity: 0.949 (0.046)
    Balanced_Accuracy: 0.935 (0.018)
                  PPV: 0.950 (0.045)
                  NPV: 0.923 (0.013)
                   F1: 0.934 (0.017)
             Accuracy: 0.935 (0.018)
                  AUC: 0.988 (0.007)
          Brier_Score: 0.048 (0.007)

  <Resampled Classification Test Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.918 (0.096)
          Specificity: 0.960 (0.035)
    Balanced_Accuracy: 0.939 (0.063)
                  PPV: 0.957 (0.038)
                  NPV: 0.925 (0.085)
                   F1: 0.936 (0.067)
             Accuracy: 0.939 (0.063)
                  AUC: 0.984 (0.014)
          Brier_Score: 0.058 (0.029)

[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0m✔ Done in [1m0.17[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0mTraining set: [1;38;2;0;178;178m100[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0mTuning parallelization enabled. Disabling outer resampling parallelization.[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mRadialSVM Classification[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:50 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:47:51 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Classification Model>
RadialSVM (Support Vector Machine with Radial Kernel)
⚙ Tuned using exhaustive grid search.
⟳ Tested using 3 independent folds.

  <Resampled Classification Training Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.990 (0.017)
          Specificity: 0.960 (0.016)
    Balanced_Accuracy: 0.975 (0.009)
                  PPV: 0.962 (0.015)
                  NPV: 0.990 (0.017)
                   F1: 0.975 (0.008)
             Accuracy: 0.975 (0.009)
                  AUC: 0.998 (2.2e-03)
          Brier_Score: 0.027 (0.006)

  <Resampled Classification Test Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.919 (0.070)
          Specificity: 0.919 (0.070)
    Balanced_Accuracy: 0.919 (0.038)
                  PPV: 0.923 (0.067)
                  NPV: 0.923 (0.067)
                   F1: 0.919 (0.038)
             Accuracy: 0.919 (0.038)
                  AUC: 0.989 (0.011)
          Brier_Score: 0.053 (0.016)

[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m✔ Done in [1m1.74[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mTraining set: [1;38;2;0;178;178m135[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m    Test set: [1;38;2;0;178;178m15[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mTraining [1;38;2;0;178;178mRadialSVM Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[one_hot]
[0m[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m

[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mRadialSVM[0m (Support Vector Machine with Radial Kernel)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m      45           0          0
[1;38;2;0;178;178m         versicolor[0m       0          39          6
[1;38;2;0;178;178m          virginica[0m       0           7         38

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.904  
[22;38;2;128;128;128m                 F1[0m  0.904  
[22;38;2;128;128;128m           Accuracy[0m  0.904  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000   0.867       0.844    
[22;38;2;128;128;128m        Specificity[0m  1.000   0.922       0.933    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000   0.894       0.889    
[22;38;2;128;128;128m                PPV[0m  1.000   0.848       0.864    
[22;38;2;128;128;128m                NPV[0m  1.000   0.933       0.923    
[22;38;2;128;128;128m                 F1[0m  1.000   0.857       0.854    

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m       5           0          0
[1;38;2;0;178;178m         versicolor[0m       0           5          0
[1;38;2;0;178;178m          virginica[0m       0           2          3

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.867  
[22;38;2;128;128;128m                 F1[0m  0.861  
[22;38;2;128;128;128m           Accuracy[0m  0.867  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000   1.000       0.600    
[22;38;2;128;128;128m        Specificity[0m  1.000   0.800       1.000    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000   0.900       0.800    
[22;38;2;128;128;128m                PPV[0m  1.000   0.714       1.000    
[22;38;2;128;128;128m                NPV[0m  1.000   1.000       0.833    
[22;38;2;128;128;128m                 F1[0m  1.000   0.833       0.750    

[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m✔ Done in [1m0.08[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mTraining [1;38;2;0;178;178mCART Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mCART[0m (Classification and Regression Trees)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.84
[1m     MSE[0m: 1.13
[1m    RMSE[0m: 1.06
[1m     Rsq[0m: 0.77

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 1.08
[1m     MSE[0m: 1.80
[1m    RMSE[0m: 1.34
[1m     Rsq[0m: 0.60

[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m✔ Done in [1m0.07[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m[1;38;2;255;159;32m<> [0mTuning CART by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m[1;38;2;255;159;32m2[0m parameter combinations x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m10[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mBest config to minimize MSE:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      maxdepth[0m: {2, 3} => [1m3[0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mTraining [1;38;2;0;178;178mCART Regression[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mCART[0m (Classification and Regression Trees)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.93
[1m     MSE[0m: 1.43
[1m    RMSE[0m: 1.19
[1m     Rsq[0m: 0.71

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 1.05
[1m     MSE[0m: 1.59
[1m    RMSE[0m: 1.26
[1m     Rsq[0m: 0.64

[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m✔ Done in [1m0.49[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mTraining set: [1;38;2;0;178;178m400[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mCART Regression[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Regression Model>
CART (Classification and Regression Trees)
⟳ Tested using 3 independent folds.

  <Resampled Regression Training Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.772 (0.011)
     MSE: 0.959 (0.024)
    RMSE: 0.979 (0.012)
     Rsq: 0.804 (0.007)

  <Resampled Regression Test Metrics>
    Showing mean (sd) across resamples.
     MAE: 1.051 (0.048)
     MSE: 1.676 (0.185)
    RMSE: 1.293 (0.072)
     Rsq: 0.658 (0.029)

[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m✔ Done in [1m0.19[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mTraining set: [1;38;2;0;178;178m400[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mTuning parallelization enabled. Disabling outer resampling parallelization.[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mCART Regression[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:52 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:55 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Regression Model>
CART (Classification and Regression Trees)
⚙ Tuned using exhaustive grid search.
⟳ Tested using 3 independent folds.

  <Resampled Regression Training Metrics>
    Showing mean (sd) across resamples.
     MAE: 1.126 (0.049)
     MSE: 1.954 (0.132)
    RMSE: 1.397 (0.047)
     Rsq: 0.601 (0.030)

  <Resampled Regression Test Metrics>
    Showing mean (sd) across resamples.
     MAE: 1.228 (0.060)
     MSE: 2.308 (0.222)
    RMSE: 1.518 (0.074)
     Rsq: 0.527 (0.053)

[22;38;2;128;128;128m2026-02-05 01:47:55 [0m[0m✔ Done in [1m2.58[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:55 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:55 [0m[0mTraining set: [1;38;2;0;178;178m400[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:55 [0m[0mTuning parallelization enabled. Disabling outer resampling parallelization.[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:55 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:55 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mCART Regression[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:55 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:56 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Regression Model>
CART (Classification and Regression Trees)
⚙ Tuned using exhaustive grid search.
⟳ Tested using 3 independent folds.

  <Resampled Regression Training Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.800 (0.061)
     MSE: 0.998 (0.121)
    RMSE: 0.998 (0.061)
     Rsq: 0.797 (0.016)

  <Resampled Regression Test Metrics>
    Showing mean (sd) across resamples.
     MAE: 1.024 (0.061)
     MSE: 1.648 (0.199)
    RMSE: 1.282 (0.079)
     Rsq: 0.664 (0.037)

[22;38;2;128;128;128m2026-02-05 01:47:56 [0m[0m✔ Done in [1m1.46[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:56 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:56 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:56 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:56 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:56 [0m[0m[1;38;2;255;159;32m<> [0mTuning CART by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:56 [0m[0m[1;38;2;255;159;32m2[0m parameter combinations x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m10[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:56 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:56 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:47:56 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0mBest config to maximize Balanced_Accuracy:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      maxdepth[0m: {1, 2} => [1m2[0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0mTraining [1;38;2;0;178;178mCART Classification[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mCART[0m (Classification and Regression Trees)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         45           0
[1;38;2;0;178;178m         versicolor[0m          2          43

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.956  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.978  
[22;38;2;128;128;128m                PPV[0m  0.957  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.978  
[22;38;2;128;128;128m           Accuracy[0m  0.978  
[22;38;2;128;128;128m                AUC[0m  0.987  
[22;38;2;128;128;128m        Brier_Score[0m  0.020  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  0.900  
[22;38;2;128;128;128m        Brier_Score[0m  0.096  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0m✔ Done in [1m0.49[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0mCalculating case weights using Inverse Frequency Weighting.[0m[22;38;2;128;128;128m [ifw][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0mTraining [1;38;2;0;178;178mCART Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mCART[0m (Classification and Regression Trees)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         45           0
[1;38;2;0;178;178m         versicolor[0m          0          45

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  1.000  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000  
[22;38;2;128;128;128m                PPV[0m  1.000  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  1.000  
[22;38;2;128;128;128m           Accuracy[0m  1.000  
[22;38;2;128;128;128m                AUC[0m  1.000  
[22;38;2;128;128;128m        Brier_Score[0m  0.000  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  0.900  
[22;38;2;128;128;128m        Brier_Score[0m  0.100  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0m✔ Done in [1m0.08[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0m[1;38;2;255;159;32m<> [0mTuning CART by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0m[1;38;2;255;159;32m2[0m parameter combinations x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m10[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0mBest config to maximize Balanced_Accuracy:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      maxdepth[0m: {1, 2} => [1m2[0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0mTraining [1;38;2;0;178;178mCART Classification[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:57 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mCART[0m (Classification and Regression Trees)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         45           0
[1;38;2;0;178;178m         versicolor[0m          2          43

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.956  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.978  
[22;38;2;128;128;128m                PPV[0m  0.957  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.978  
[22;38;2;128;128;128m           Accuracy[0m  0.978  
[22;38;2;128;128;128m                AUC[0m  0.987  
[22;38;2;128;128;128m        Brier_Score[0m  0.020  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  0.900  
[22;38;2;128;128;128m        Brier_Score[0m  0.096  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:47:58 [0m[0m✔ Done in [1m0.50[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:58 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:58 [0m[0mTraining set: [1;38;2;0;178;178m100[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:58 [0m[0mTuning parallelization enabled. Disabling outer resampling parallelization.[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:58 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:58 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mCART Classification[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:58 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:47:58 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Classification Model>
CART (Classification and Regression Trees)
⚙ Tuned using exhaustive grid search.
⟳ Tested using 3 independent folds.

  <Resampled Classification Training Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.970 (0.052)
          Specificity: 0.970 (5.1e-04)
    Balanced_Accuracy: 0.970 (0.026)
                  PPV: 0.970 (1.9e-03)
                  NPV: 0.971 (0.049)
                   F1: 0.969 (0.028)
             Accuracy: 0.970 (0.026)
                  AUC: 0.974 (0.031)
          Brier_Score: 0.028 (0.025)

  <Resampled Classification Test Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.902 (0.090)
          Specificity: 0.958 (0.072)
    Balanced_Accuracy: 0.930 (0.016)
                  PPV: 0.963 (0.064)
                  NPV: 0.915 (0.077)
                   F1: 0.927 (0.021)
             Accuracy: 0.930 (0.016)
                  AUC: 0.930 (0.016)
          Brier_Score: 0.068 (0.018)

[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m✔ Done in [1m1.41[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mTraining set: [1;38;2;0;178;178m135[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m    Test set: [1;38;2;0;178;178m15[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mTraining [1;38;2;0;178;178mCART Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mCART[0m (Classification and Regression Trees)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m      45           0          0
[1;38;2;0;178;178m         versicolor[0m       0          44          1
[1;38;2;0;178;178m          virginica[0m       0           0         45

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.993  
[22;38;2;128;128;128m                 F1[0m  0.993  
[22;38;2;128;128;128m           Accuracy[0m  0.993  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000   0.978       1.000    
[22;38;2;128;128;128m        Specificity[0m  1.000   1.000       0.989    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000   0.989       0.994    
[22;38;2;128;128;128m                PPV[0m  1.000   1.000       0.978    
[22;38;2;128;128;128m                NPV[0m  1.000   0.989       1.000    
[22;38;2;128;128;128m                 F1[0m  1.000   0.989       0.989    

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m       5           0          0
[1;38;2;0;178;178m         versicolor[0m       0           5          0
[1;38;2;0;178;178m          virginica[0m       0           0          5

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  1.000  
[22;38;2;128;128;128m           Accuracy[0m  1.000  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000   1.000       1.000    
[22;38;2;128;128;128m        Specificity[0m  1.000   1.000       1.000    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000   1.000       1.000    
[22;38;2;128;128;128m                PPV[0m  1.000   1.000       1.000    
[22;38;2;128;128;128m                NPV[0m  1.000   1.000       1.000    
[22;38;2;128;128;128m                 F1[0m  1.000   1.000       1.000    

[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m✔ Done in [1m0.06[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mTraining [1;38;2;0;178;178mLightCART Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightCART[0m (Decision Tree)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 1.66
[1m     MSE[0m: 4.24
[1m    RMSE[0m: 2.06
[1m     Rsq[0m: 0.15

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 1.58
[1m     MSE[0m: 3.75
[1m    RMSE[0m: 1.94
[1m     Rsq[0m: 0.16

[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m✔ Done in [1m0.18[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mTraining [1;38;2;0;178;178mLightCART Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightCART[0m (Decision Tree)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 1.66
[1m     MSE[0m: 4.24
[1m    RMSE[0m: 2.06
[1m     Rsq[0m: 0.15

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 1.58
[1m     MSE[0m: 3.75
[1m    RMSE[0m: 1.94
[1m     Rsq[0m: 0.16

[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m✔ Done in [1m0.06[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mTraining [1;38;2;0;178;178mLightCART Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightCART[0m (Decision Tree)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          0          45
[1;38;2;0;178;178m         versicolor[0m          0          45

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  0.000  
[22;38;2;128;128;128m        Specificity[0m  1.000  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.500  
[22;38;2;128;128;128m                PPV[0m  NA     
[22;38;2;128;128;128m                NPV[0m  0.500  
[22;38;2;128;128;128m                 F1[0m  NA     
[22;38;2;128;128;128m           Accuracy[0m  0.500  
[22;38;2;128;128;128m                AUC[0m  0.500  
[22;38;2;128;128;128m        Brier_Score[0m  0.500  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          0           5
[1;38;2;0;178;178m         versicolor[0m          0           5

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  0.000  
[22;38;2;128;128;128m        Specificity[0m  1.000  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.500  
[22;38;2;128;128;128m                PPV[0m  NA     
[22;38;2;128;128;128m                NPV[0m  0.500  
[22;38;2;128;128;128m                 F1[0m  NA     
[22;38;2;128;128;128m           Accuracy[0m  0.500  
[22;38;2;128;128;128m                AUC[0m  0.500  
[22;38;2;128;128;128m        Brier_Score[0m  0.500  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m✔ Done in [1m0.08[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mTraining set: [1;38;2;0;178;178m135[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m    Test set: [1;38;2;0;178;178m15[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mTraining [1;38;2;0;178;178mLightCART Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightCART[0m (Decision Tree)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m      44           1          0
[1;38;2;0;178;178m         versicolor[0m       0          43          2
[1;38;2;0;178;178m          virginica[0m       0           3         42

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.956  
[22;38;2;128;128;128m                 F1[0m  0.956  
[22;38;2;128;128;128m           Accuracy[0m  0.956  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  0.978   0.956       0.933    
[22;38;2;128;128;128m        Specificity[0m  1.000   0.956       0.978    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.989   0.956       0.956    
[22;38;2;128;128;128m                PPV[0m  1.000   0.915       0.955    
[22;38;2;128;128;128m                NPV[0m  0.989   0.977       0.967    
[22;38;2;128;128;128m                 F1[0m  0.989   0.935       0.944    

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m       5           0          0
[1;38;2;0;178;178m         versicolor[0m       0           5          0
[1;38;2;0;178;178m          virginica[0m       0           1          4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.933  
[22;38;2;128;128;128m                 F1[0m  0.933  
[22;38;2;128;128;128m           Accuracy[0m  0.933  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000   1.000       0.800    
[22;38;2;128;128;128m        Specificity[0m  1.000   0.900       1.000    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000   0.950       0.900    
[22;38;2;128;128;128m                PPV[0m  1.000   0.833       1.000    
[22;38;2;128;128;128m                NPV[0m  1.000   1.000       0.909    
[22;38;2;128;128;128m                 F1[0m  1.000   0.909       0.889    

[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m✔ Done in [1m0.11[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mTraining [1;38;2;0;178;178mLightRF Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:47:59 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightRF[0m (LightGBM Random Forest)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.92
[1m     MSE[0m: 1.34
[1m    RMSE[0m: 1.16
[1m     Rsq[0m: 0.73

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.89
[1m     MSE[0m: 1.18
[1m    RMSE[0m: 1.09
[1m     Rsq[0m: 0.73

[22;38;2;128;128;128m2026-02-05 01:48:00 [0m[0m✔ Done in [1m0.21[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:00 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:00 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:00 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:00 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:00 [0m[0m[1;38;2;255;159;32m<> [0mTuning LightRF by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:00 [0m[0m[1;38;2;255;159;32m2[0m parameter combinations x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m10[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:00 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:00 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:01 [0m[0mBest config to minimize MSE:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      lambda_l1[0m: {0, 0.1} => [1m0[0m
[22;38;2;128;128;128m2026-02-05 01:48:01 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:01 [0m[0mTraining [1;38;2;0;178;178mLightRF Regression[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:01 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightRF[0m (LightGBM Random Forest)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.92
[1m     MSE[0m: 1.33
[1m    RMSE[0m: 1.15
[1m     Rsq[0m: 0.73

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.88
[1m     MSE[0m: 1.17
[1m    RMSE[0m: 1.08
[1m     Rsq[0m: 0.74

[22;38;2;128;128;128m2026-02-05 01:48:01 [0m[0m✔ Done in [1m1.64[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:01 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:01 [0m[0mTraining set: [1;38;2;0;178;178m400[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:01 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:01 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mLightRF Regression[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:01 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Regression Model>
LightRF (LightGBM Random Forest)
⚙ Tuned using exhaustive grid search.
⟳ Tested using 3 independent folds.

  <Resampled Regression Training Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.965 (0.007)
     MSE: 1.460 (0.034)
    RMSE: 1.208 (0.014)
     Rsq: 0.702 (0.006)

  <Resampled Regression Test Metrics>
    Showing mean (sd) across resamples.
     MAE: 1.039 (0.044)
     MSE: 1.657 (0.161)
    RMSE: 1.286 (0.063)
     Rsq: 0.662 (0.030)

[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0m✔ Done in [1m4.79[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0mTraining [1;38;2;0;178;178mLightRF Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightRF[0m (LightGBM Random Forest)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         41           4
[1;38;2;0;178;178m         versicolor[0m          1          44

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  0.911  
[22;38;2;128;128;128m        Specificity[0m  0.978  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.944  
[22;38;2;128;128;128m                PPV[0m  0.976  
[22;38;2;128;128;128m                NPV[0m  0.917  
[22;38;2;128;128;128m                 F1[0m  0.943  
[22;38;2;128;128;128m           Accuracy[0m  0.944  
[22;38;2;128;128;128m                AUC[0m  0.996  
[22;38;2;128;128;128m        Brier_Score[0m  0.048  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  0.900  
[22;38;2;128;128;128m        Brier_Score[0m  0.092  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0m✔ Done in [1m0.14[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0m[1;38;2;255;159;32m<> [0mTuning LightRF by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0m[1;38;2;255;159;32m2[0m parameter combinations x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m10[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:48:06 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:07 [0m[0mBest config to maximize Balanced_Accuracy:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      max_depth[0m: {-1, 5} => [1m-1[0m
[22;38;2;128;128;128m2026-02-05 01:48:07 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:07 [0m[0mTraining [1;38;2;0;178;178mLightRF Classification[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:07 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightRF[0m (LightGBM Random Forest)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         41           4
[1;38;2;0;178;178m         versicolor[0m          1          44

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  0.911  
[22;38;2;128;128;128m        Specificity[0m  0.978  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.944  
[22;38;2;128;128;128m                PPV[0m  0.976  
[22;38;2;128;128;128m                NPV[0m  0.917  
[22;38;2;128;128;128m                 F1[0m  0.943  
[22;38;2;128;128;128m           Accuracy[0m  0.944  
[22;38;2;128;128;128m                AUC[0m  0.996  
[22;38;2;128;128;128m        Brier_Score[0m  0.048  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  0.900  
[22;38;2;128;128;128m        Brier_Score[0m  0.092  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m✔ Done in [1m1.23[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0mTraining set: [1;38;2;0;178;178m100[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mLightRF Classification[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Classification Model>
LightRF (LightGBM Random Forest)
⟳ Tested using 3 independent folds.

  <Resampled Classification Training Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.950 (0.018)
          Specificity: 0.970 (0.030)
    Balanced_Accuracy: 0.960 (0.018)
                  PPV: 0.970 (0.030)
                  NPV: 0.951 (0.017)
                   F1: 0.960 (0.018)
             Accuracy: 0.960 (0.018)
                  AUC: 0.987 (0.008)
          Brier_Score: 0.106 (0.035)

  <Resampled Classification Test Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.860 (0.089)
          Specificity: 0.940 (0.059)
    Balanced_Accuracy: 0.900 (0.016)
                  PPV: 0.941 (0.056)
                  NPV: 0.876 (0.064)
                   F1: 0.895 (0.025)
             Accuracy: 0.900 (0.016)
                  AUC: 0.985 (0.013)
          Brier_Score: 0.122 (0.024)

[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m✔ Done in [1m0.41[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0mTraining set: [1;38;2;0;178;178m135[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m    Test set: [1;38;2;0;178;178m15[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0mTraining [1;38;2;0;178;178mLightRF Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightRF[0m (LightGBM Random Forest)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m      45           0          0
[1;38;2;0;178;178m         versicolor[0m       1          42          2
[1;38;2;0;178;178m          virginica[0m       0           3         42

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.956  
[22;38;2;128;128;128m                 F1[0m  0.955  
[22;38;2;128;128;128m           Accuracy[0m  0.956  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000   0.933       0.933    
[22;38;2;128;128;128m        Specificity[0m  0.989   0.967       0.978    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.994   0.950       0.956    
[22;38;2;128;128;128m                PPV[0m  0.978   0.933       0.955    
[22;38;2;128;128;128m                NPV[0m  1.000   0.967       0.967    
[22;38;2;128;128;128m                 F1[0m  0.989   0.933       0.944    

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m       5           0          0
[1;38;2;0;178;178m         versicolor[0m       0           5          0
[1;38;2;0;178;178m          virginica[0m       0           1          4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.933  
[22;38;2;128;128;128m                 F1[0m  0.933  
[22;38;2;128;128;128m           Accuracy[0m  0.933  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000   1.000       0.800    
[22;38;2;128;128;128m        Specificity[0m  1.000   0.900       1.000    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000   0.950       0.900    
[22;38;2;128;128;128m                PPV[0m  1.000   0.833       1.000    
[22;38;2;128;128;128m                NPV[0m  1.000   1.000       0.909    
[22;38;2;128;128;128m                 F1[0m  1.000   0.909       0.889    

[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m✔ Done in [1m0.22[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0mTraining [1;38;2;0;178;178mLightGBM Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightGBM[0m (Gradient Boosting)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 1.29
[1m     MSE[0m: 2.63
[1m    RMSE[0m: 1.62
[1m     Rsq[0m: 0.47

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 1.20
[1m     MSE[0m: 2.33
[1m    RMSE[0m: 1.53
[1m     Rsq[0m: 0.48

[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m✔ Done in [1m0.19[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m[1;38;2;255;159;32m<> [0mTuning LightGBM by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0m[1;38;2;255;159;32m1[0m parameter combination x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m5[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:08 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
\ 2/5 ETA:  5s | Tuning... (5 combinations) 
[22;38;2;128;128;128m2026-02-05 01:48:15 [0m[0mBest config to minimize MSE:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      nrounds[0m: {} => [1m424[0m
[22;38;2;128;128;128m2026-02-05 01:48:15 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:15 [0m[0mTraining [1;38;2;0;178;178mLightGBM Regression[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:15 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightGBM[0m (Gradient Boosting)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.60
[1m     MSE[0m: 0.59
[1m    RMSE[0m: 0.77
[1m     Rsq[0m: 0.88

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.80
[1m     MSE[0m: 1.19
[1m    RMSE[0m: 1.09
[1m     Rsq[0m: 0.73

[22;38;2;128;128;128m2026-02-05 01:48:16 [0m[0m✔ Done in [1m7.83[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:16 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:16 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:16 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:16 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mLightGBM Regression[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:16 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:20 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Regression Model>
LightGBM (Gradient Boosting)
⚙ Tuned using exhaustive grid search.
⟳ Tested using 3 independent folds.

  <Resampled Regression Training Metrics>
    Showing mean (sd) across resamples.
     MAE: 1.285 (0.021)
     MSE: 2.617 (0.034)
    RMSE: 1.618 (0.011)
     Rsq: 0.472 (4.1e-03)

  <Resampled Regression Test Metrics>
    Showing mean (sd) across resamples.
     MAE: 1.353 (0.012)
     MSE: 2.834 (0.047)
    RMSE: 1.683 (0.014)
     Rsq: 0.428 (0.016)

[22;38;2;128;128;128m2026-02-05 01:48:20 [0m[0m✔ Done in [1m3.43[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:20 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:20 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:20 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:20 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:20 [0m[0m[1;38;2;255;159;32m<> [0mTuning LightGBM by exhaustive grid search with 3 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:20 [0m[0m[1;38;2;255;159;32m1[0m parameter combination x [1;38;2;255;159;32m3[0m resamples: [1;38;2;255;159;32m3[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:20 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:20 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:48:20 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0mBest config to maximize Balanced_Accuracy:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      nrounds[0m: {} => [1m382[0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0mTraining [1;38;2;0;178;178mLightGBM Classification[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf

[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightGBM[0m (Gradient Boosting)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         45           0
[1;38;2;0;178;178m         versicolor[0m          2          43

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.956  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.978  
[22;38;2;128;128;128m                PPV[0m  0.957  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.978  
[22;38;2;128;128;128m           Accuracy[0m  0.978  
[22;38;2;128;128;128m                AUC[0m  1.000  
[22;38;2;128;128;128m        Brier_Score[0m  0.017  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  1.000  
[22;38;2;128;128;128m        Brier_Score[0m  0.097  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0m✔ Done in [1m2.52[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0mTraining set: [1;38;2;0;178;178m135[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0m    Test set: [1;38;2;0;178;178m15[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0mTraining [1;38;2;0;178;178mLightGBM Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf

[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightGBM[0m (Gradient Boosting)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m      45           0          0
[1;38;2;0;178;178m         versicolor[0m       0          43          2
[1;38;2;0;178;178m          virginica[0m       0           3         42

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.963  
[22;38;2;128;128;128m                 F1[0m  0.963  
[22;38;2;128;128;128m           Accuracy[0m  0.963  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000   0.956       0.933    
[22;38;2;128;128;128m        Specificity[0m  1.000   0.967       0.978    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000   0.961       0.956    
[22;38;2;128;128;128m                PPV[0m  1.000   0.935       0.955    
[22;38;2;128;128;128m                NPV[0m  1.000   0.978       0.967    
[22;38;2;128;128;128m                 F1[0m  1.000   0.945       0.944    

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m       5           0          0
[1;38;2;0;178;178m         versicolor[0m       0           5          0
[1;38;2;0;178;178m          virginica[0m       0           1          4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.933  
[22;38;2;128;128;128m                 F1[0m  0.933  
[22;38;2;128;128;128m           Accuracy[0m  0.933  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000   1.000       0.800    
[22;38;2;128;128;128m        Specificity[0m  1.000   0.900       1.000    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000   0.950       0.900    
[22;38;2;128;128;128m                PPV[0m  1.000   0.833       1.000    
[22;38;2;128;128;128m                NPV[0m  1.000   1.000       0.909    
[22;38;2;128;128;128m                 F1[0m  1.000   0.909       0.889    

[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0m✔ Done in [1m0.19[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0mTraining [1;38;2;0;178;178mLightRuleFit Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0mTraining [1;38;2;0;178;178mLightGBM Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:22 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf

[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightGBM[0m (Gradient Boosting)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.78
[1m     MSE[0m: 0.96
[1m    RMSE[0m: 0.98
[1m     Rsq[0m: 0.81

[22;38;2;128;128;128m2026-02-05 01:48:23 [0m[0m✔ Done in [1m0.17[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:23 [0m[0mExtracting LightGBM rules... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[extract_rules]
[0m[22;38;2;128;128;128m2026-02-05 01:48:23 [0m[0mExtracted [1;38;2;0;178;178m185[0m unique rules.[0m[22;38;2;128;128;128m [extract_rules][0m
[22;38;2;128;128;128m2026-02-05 01:48:23 [0m[0mMatching[1;38;2;0;178;178m185[0mrules to[1;38;2;0;178;178m358[0mcases... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[match_cases_by_rules]
[0m[22;38;2;128;128;128m2026-02-05 01:48:23 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:23 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m185[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:23 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:23 [0m[0m[1;38;2;255;159;32m<> [0mTuning GLMNET by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:23 [0m[0m[1;38;2;255;159;32m1[0m parameter combination x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m5[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:23 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:23 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mBest config to minimize MSE:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      lambda[0m: {} => [1m0.122506762566697[0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mTraining [1;38;2;0;178;178mGLMNET Regression[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLMNET[0m (Elastic Net)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.72
[1m     MSE[0m: 0.83
[1m    RMSE[0m: 0.91
[1m     Rsq[0m: 0.83

[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0m✔ Done in [1m3.25[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mMatching[1;38;2;0;178;178m185[0mrules to[1;38;2;0;178;178m358[0mcases... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[match_cases_by_rules]
[0m[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mMatching[1;38;2;0;178;178m185[0mrules to[1;38;2;0;178;178m42[0mcases... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[match_cases_by_rules]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightRuleFit[0m (LightGBM RuleFit)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.72
[1m     MSE[0m: 0.83
[1m    RMSE[0m: 0.91
[1m     Rsq[0m: 0.83

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.85
[1m     MSE[0m: 1.22
[1m    RMSE[0m: 1.10
[1m     Rsq[0m: 0.73

[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0m✔ Done in [1m3.79[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mTraining [1;38;2;0;178;178mLightRuleFit Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mTraining [1;38;2;0;178;178mLightGBM Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
[LightGBM] [Warning] No further splits with positive gain, best gain: -inf

[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightGBM[0m (Gradient Boosting)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         45           0
[1;38;2;0;178;178m         versicolor[0m          2          43

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.956  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.978  
[22;38;2;128;128;128m                PPV[0m  0.957  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.978  
[22;38;2;128;128;128m           Accuracy[0m  0.978  
[22;38;2;128;128;128m                AUC[0m  0.998  
[22;38;2;128;128;128m        Brier_Score[0m  0.019  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0m✔ Done in [1m0.15[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mExtracting LightGBM rules... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[extract_rules]
[0m[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mExtracted [1;38;2;0;178;178m12[0m unique rules.[0m[22;38;2;128;128;128m [extract_rules][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mMatching[1;38;2;0;178;178m12[0mrules to[1;38;2;0;178;178m90[0mcases... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[match_cases_by_rules]
[0m[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m12[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0m[1;38;2;255;159;32m<> [0mTuning GLMNET by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0m[1;38;2;255;159;32m1[0m parameter combination x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m5[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:48:26 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:27 [0m[0mBest config to maximize Balanced_Accuracy:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      lambda[0m: {} => [1m0.0571394304115356[0m
[22;38;2;128;128;128m2026-02-05 01:48:27 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:27 [0m[0mCalculating case weights using Inverse Frequency Weighting.[0m[22;38;2;128;128;128m [ifw][0m
[22;38;2;128;128;128m2026-02-05 01:48:27 [0m[0mTraining [1;38;2;0;178;178mGLMNET Classification[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:27 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLMNET[0m (Elastic Net)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         45           0
[1;38;2;0;178;178m         versicolor[0m          2          43

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.956  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.978  
[22;38;2;128;128;128m                PPV[0m  0.957  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.978  
[22;38;2;128;128;128m           Accuracy[0m  0.978  
[22;38;2;128;128;128m                AUC[0m  0.996  
[22;38;2;128;128;128m        Brier_Score[0m  0.027  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:48:27 [0m[0m✔ Done in [1m0.77[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:27 [0m[0mMatching[1;38;2;0;178;178m12[0mrules to[1;38;2;0;178;178m90[0mcases... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[match_cases_by_rules]
[0m[22;38;2;128;128;128m2026-02-05 01:48:27 [0m[0mMatching[1;38;2;0;178;178m12[0mrules to[1;38;2;0;178;178m10[0mcases... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[match_cases_by_rules]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mLightRuleFit[0m (LightGBM RuleFit)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         45           0
[1;38;2;0;178;178m         versicolor[0m          2          43

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.956  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.978  
[22;38;2;128;128;128m                PPV[0m  0.957  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.978  
[22;38;2;128;128;128m           Accuracy[0m  0.978  
[22;38;2;128;128;128m                AUC[0m  0.996  
[22;38;2;128;128;128m        Brier_Score[0m  0.027  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  0.900  
[22;38;2;128;128;128m        Brier_Score[0m  0.095  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:48:27 [0m[0m✔ Done in [1m1.00[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0mTraining set: [1;38;2;0;178;178m50[0m cases x [1;38;2;0;178;178m1[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0mTraining [1;38;2;0;178;178mIsotonic Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mIsotonic[0m (Isotonic Regression)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 3.49
[1m     MSE[0m: 26.42
[1m    RMSE[0m: 5.14
[1m     Rsq[0m: -0.21

[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0m✔ Done in [1m0.04[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0mTraining set: [1;38;2;0;178;178m200[0m cases x [1;38;2;0;178;178m1[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0mTraining [1;38;2;0;178;178mIsotonic Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mIsotonic[0m (Isotonic Regression)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mb   [0m[1;38;2;0;178;178ma   [0m
[1;38;2;0;178;178m                  b[0m  90   6
[1;38;2;0;178;178m                  a[0m  12  92

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  0.938  
[22;38;2;128;128;128m        Specificity[0m  0.885  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.911  
[22;38;2;128;128;128m                PPV[0m  0.882  
[22;38;2;128;128;128m                NPV[0m  0.939  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.910  
[22;38;2;128;128;128m                AUC[0m  0.978  
[22;38;2;128;128;128m        Brier_Score[0m  0.057  

     Positive Class [1;38;2;0;178;178mb[0m

[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0m✔ Done in [1m0.05[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0mTraining [1;38;2;0;178;178mRanger Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mRanger[0m (Random Forest)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.40
[1m     MSE[0m: 0.26
[1m    RMSE[0m: 0.51
[1m     Rsq[0m: 0.95

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.86
[1m     MSE[0m: 1.18
[1m    RMSE[0m: 1.08
[1m     Rsq[0m: 0.74

[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0m✔ Done in [1m0.09[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0m[1;38;2;255;159;32m<> [0mTuning Ranger by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0m[1;38;2;255;159;32m2[0m parameter combinations x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m10[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:28 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:29 [0m[0mBest config to minimize MSE:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      mtry[0m: {3, 6} => [1m6[0m
[22;38;2;128;128;128m2026-02-05 01:48:29 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:29 [0m[0mTraining [1;38;2;0;178;178mRanger Regression[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:29 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mRanger[0m (Random Forest)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.35
[1m     MSE[0m: 0.20
[1m    RMSE[0m: 0.45
[1m     Rsq[0m: 0.96

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.88
[1m     MSE[0m: 1.37
[1m    RMSE[0m: 1.17
[1m     Rsq[0m: 0.69

[22;38;2;128;128;128m2026-02-05 01:48:29 [0m[0m✔ Done in [1m0.71[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:29 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:29 [0m[0mTraining set: [1;38;2;0;178;178m400[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:29 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:29 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mRanger Regression[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:29 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
\ 2/3 ETA:  2s | Training outer resamples... 
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Regression Model>
Ranger (Random Forest)
⟳ Tested using 3 independent folds.

  <Resampled Regression Training Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.406 (0.007)
     MSE: 0.259 (0.014)
    RMSE: 0.509 (0.014)
     Rsq: 0.947 (3.2e-03)

  <Resampled Regression Test Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.881 (0.051)
     MSE: 1.215 (0.135)
    RMSE: 1.101 (0.062)
     Rsq: 0.752 (0.027)

[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0m✔ Done in [1m5.00[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0mTraining [1;38;2;0;178;178mRanger Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mRanger[0m (Random Forest)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         43           2
[1;38;2;0;178;178m         versicolor[0m          1          44

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  0.956  
[22;38;2;128;128;128m        Specificity[0m  0.978  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.967  
[22;38;2;128;128;128m                PPV[0m  0.977  
[22;38;2;128;128;128m                NPV[0m  0.957  
[22;38;2;128;128;128m                 F1[0m  0.966  
[22;38;2;128;128;128m           Accuracy[0m  0.967  
[22;38;2;128;128;128m                AUC[0m  0.998  
[22;38;2;128;128;128m        Brier_Score[0m  0.025  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  0.960  
[22;38;2;128;128;128m        Brier_Score[0m  0.101  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0m✔ Done in [1m0.07[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0m[1;38;2;255;159;32m<> [0mTuning Ranger by exhaustive grid search with 5 independent folds...[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0m[1;38;2;255;159;32m2[0m parameter combinations x [1;38;2;255;159;32m5[0m resamples: [1;38;2;255;159;32m10[0m models total ().[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:48:34 [0m[0mTuning in sequence[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mBest config to maximize Balanced_Accuracy:[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[1m                      mtry[0m: {2, 4} => [1m2[0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m[1;38;2;255;159;32m</>[0m Tuning done.[0m[22;38;2;128;128;128m [tune_GridSearch][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mTraining [1;38;2;0;178;178mRanger Classification[0m with tuned hyperparameters...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mRanger[0m (Random Forest)
[1;38;2;255;159;32m⚙[0m Tuned using exhaustive grid search.

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         44           1
[1;38;2;0;178;178m         versicolor[0m          2          43

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  0.978  
[22;38;2;128;128;128m        Specificity[0m  0.956  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.967  
[22;38;2;128;128;128m                PPV[0m  0.957  
[22;38;2;128;128;128m                NPV[0m  0.977  
[22;38;2;128;128;128m                 F1[0m  0.967  
[22;38;2;128;128;128m           Accuracy[0m  0.967  
[22;38;2;128;128;128m                AUC[0m  0.997  
[22;38;2;128;128;128m        Brier_Score[0m  0.024  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  1.000  
[22;38;2;128;128;128m        Brier_Score[0m  0.038  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m✔ Done in [1m0.53[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mTraining set: [1;38;2;0;178;178m100[0m cases x [1;38;2;0;178;178m5[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mRanger Classification[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Classification Model>
Ranger (Random Forest)
⟳ Tested using 3 independent folds.

  <Resampled Classification Training Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.960 (0.018)
          Specificity: 0.960 (0.034)
    Balanced_Accuracy: 0.960 (0.008)
                  PPV: 0.961 (0.033)
                  NPV: 0.960 (0.015)
                   F1: 0.960 (0.007)
             Accuracy: 0.960 (0.008)
                  AUC: 0.998 (1.1e-03)
          Brier_Score: 0.023 (1.5e-03)

  <Resampled Classification Test Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.922 (0.068)
          Specificity: 0.940 (2.1e-03)
    Balanced_Accuracy: 0.931 (0.033)
                  PPV: 0.939 (2.1e-03)
                  NPV: 0.926 (0.064)
                   F1: 0.929 (0.035)
             Accuracy: 0.931 (0.033)
                  AUC: 0.987 (0.013)
          Brier_Score: 0.049 (0.022)

[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m✔ Done in [1m0.18[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mTraining set: [1;38;2;0;178;178m135[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m    Test set: [1;38;2;0;178;178m15[0m cases x [1;38;2;0;178;178m4[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mTraining [1;38;2;0;178;178mRanger Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mRanger[0m (Random Forest)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m      45           0          0
[1;38;2;0;178;178m         versicolor[0m       0          43          2
[1;38;2;0;178;178m          virginica[0m       0           2         43

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.970  
[22;38;2;128;128;128m                 F1[0m  0.970  
[22;38;2;128;128;128m           Accuracy[0m  0.970  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000   0.956       0.956    
[22;38;2;128;128;128m        Specificity[0m  1.000   0.978       0.978    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000   0.967       0.967    
[22;38;2;128;128;128m                PPV[0m  1.000   0.956       0.956    
[22;38;2;128;128;128m                NPV[0m  1.000   0.978       0.978    
[22;38;2;128;128;128m                 F1[0m  1.000   0.956       0.956    

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[1;38;2;0;178;178m             setosa[0m       5           0          0
[1;38;2;0;178;178m         versicolor[0m       0           5          0
[1;38;2;0;178;178m          virginica[0m       0           1          4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.933  
[22;38;2;128;128;128m                 F1[0m  0.933  
[22;38;2;128;128;128m           Accuracy[0m  0.933  
                     [1;38;2;0;178;178msetosa  [0m[1;38;2;0;178;178mversicolor  [0m[1;38;2;0;178;178mvirginica  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000   1.000       0.800    
[22;38;2;128;128;128m        Specificity[0m  1.000   0.900       1.000    
[22;38;2;128;128;128m  Balanced_Accuracy[0m  1.000   0.950       0.900    
[22;38;2;128;128;128m                PPV[0m  1.000   0.833       1.000    
[22;38;2;128;128;128m                NPV[0m  1.000   1.000       0.909    
[22;38;2;128;128;128m                 F1[0m  1.000   0.909       0.889    

[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m✔ Done in [1m0.08[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mTraining set: [1;38;2;0;178;178m90[0m cases x [1;38;2;0;178;178m1[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m    Test set: [1;38;2;0;178;178m10[0m cases x [1;38;2;0;178;178m1[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mTraining [1;38;2;0;178;178mIsotonic Classification[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mClassification[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mIsotonic[0m (Isotonic Regression)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m         45           0
[1;38;2;0;178;178m         versicolor[0m          2          43

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.956  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.978  
[22;38;2;128;128;128m                PPV[0m  0.957  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.978  
[22;38;2;128;128;128m           Accuracy[0m  0.978  
[22;38;2;128;128;128m                AUC[0m  0.997  
[22;38;2;128;128;128m        Brier_Score[0m  0.017  

     Positive Class [1;38;2;0;178;178mvirginica[0m

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Classification Metrics[0m[22;38;2;128;128;128m>[0m
[1m                     Predicted[0m
[1m          Reference[0m  [1;38;2;0;178;178mvirginica  [0m[1;38;2;0;178;178mversicolor  [0m
[1;38;2;0;178;178m          virginica[0m          5           0
[1;38;2;0;178;178m         versicolor[0m          1           4

                     [1;38;2;0;178;178mOverall  [0m
[22;38;2;128;128;128m        Sensitivity[0m  1.000  
[22;38;2;128;128;128m        Specificity[0m  0.800  
[22;38;2;128;128;128m  Balanced_Accuracy[0m  0.900  
[22;38;2;128;128;128m                PPV[0m  0.833  
[22;38;2;128;128;128m                NPV[0m  1.000  
[22;38;2;128;128;128m                 F1[0m  0.909  
[22;38;2;128;128;128m           Accuracy[0m  0.900  
[22;38;2;128;128;128m                AUC[0m  0.900  
[22;38;2;128;128;128m        Brier_Score[0m  0.100  

     Positive Class [1;38;2;0;178;178mvirginica[0m

[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m✔ Done in [1m0.06[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mTraining set: [1;38;2;0;178;178m34[0m cases x [1;38;2;0;178;178m1[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mIsotonic Classification[0m using 5 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Classification Model>
Isotonic (Isotonic Regression)
⟳ Tested using 5 independent folds.

  <Resampled Classification Training Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 1.000 (0.000)
          Specificity: 1.000 (0.000)
    Balanced_Accuracy: 1.000 (0.000)
                  PPV: 1.000 (0.000)
                  NPV: 1.000 (0.000)
                   F1: 1.000 (0.000)
             Accuracy: 1.000 (0.000)
                  AUC: 1.000 (0.000)
          Brier_Score: 0.000 (0.000)

  <Resampled Classification Test Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 1.000 (0.000)
          Specificity: 1.000 (0.000)
    Balanced_Accuracy: 1.000 (0.000)
                  PPV: 1.000 (0.000)
                  NPV: 1.000 (0.000)
                   F1: 1.000 (0.000)
             Accuracy: 1.000 (0.000)
                  AUC: 1.000 (0.000)
          Brier_Score: 0.000 (0.000)

[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m✔ Done in [1m0.27[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mTraining set: [1;38;2;0;178;178m32[0m cases x [1;38;2;0;178;178m1[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mIsotonic Classification[0m using 5 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:35 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:48:36 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Classification Model>
Isotonic (Isotonic Regression)
⟳ Tested using 5 independent folds.

  <Resampled Classification Training Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 1.000 (0.000)
          Specificity: 0.845 (0.052)
    Balanced_Accuracy: 0.922 (0.026)
                  PPV: 0.867 (0.039)
                  NPV: 1.000 (0.000)
                   F1: 0.928 (0.022)
             Accuracy: 0.922 (0.026)
                  AUC: 0.985 (0.009)
          Brier_Score: 0.042 (0.014)

  <Resampled Classification Test Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.900 (0.224)
          Specificity: 0.800 (0.183)
    Balanced_Accuracy: 0.850 (0.091)
                  PPV: 0.850 (0.137)
                  NPV: 0.933 (0.149)
                   F1: 0.848 (0.119)
             Accuracy: 0.850 (0.091)
                  AUC: 0.917 (0.118)
          Brier_Score: 0.107 (0.100)

[22;38;2;128;128;128m2026-02-05 01:48:36 [0m[0m✔ Done in [1m0.25[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:36 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:36 [0m[0mTraining set: [1;38;2;0;178;178m34[0m cases x [1;38;2;0;178;178m1[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:36 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:36 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mIsotonic Classification[0m using 5 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:36 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:36 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:48:36 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Classification Model>
Isotonic (Isotonic Regression)
⟳ Tested using 5 independent folds.

  <Resampled Classification Training Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 1.000 (0.000)
          Specificity: 0.881 (0.043)
    Balanced_Accuracy: 0.941 (0.022)
                  PPV: 0.895 (0.035)
                  NPV: 1.000 (0.000)
                   F1: 0.944 (0.019)
             Accuracy: 0.941 (0.022)
                  AUC: 0.989 (0.006)
          Brier_Score: 0.034 (0.012)

  <Resampled Classification Test Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 1.000 (0.000)
          Specificity: 0.817 (0.171)
    Balanced_Accuracy: 0.908 (0.085)
                  PPV: 0.860 (0.129)
                  NPV: 1.000 (0.000)
                   F1: 0.921 (0.074)
             Accuracy: 0.908 (0.085)
                  AUC: 0.978 (0.050)
          Brier_Score: 0.059 (0.050)

[22;38;2;128;128;128m2026-02-05 01:48:36 [0m[0m✔ Done in [1m0.23[0m seconds.[0m[22;38;2;128;128;128m [train][0m
Generalized Linear Model was used for regression.
R-squared was 0.83 in the training set and 0.77 in the test.
Generalized Linear Model was used for regression.
R-squared was 0.83 in the training set and 0.77 in the test.
Generalized Linear Model was used for classification.
Balanced accuracy was 0.98 on the training set and 0.90 in the test set.
Generalized Linear Model was used for regression.
R-squared was 0.83 in the training set and 0.77 in the test.
Generalized Linear Model was used for classification.
Balanced accuracy was 0.98 on the training set and 0.90 in the test set.
Generalized Linear Model was used for regression. Mean R-squared was 0.83 on the training set and 0.82 on the test set across 3 independent folds. 
Generalized Linear Model was used for classification. Mean balanced accuracy was 0.99 in the training set and 0.91 in the test set across 3 independent folds. 
Generalized Linear Model (GLM) and Classification and Regression Trees (CART) were used for Regression.
The top-performing model was GLM with a test-set Rsq of 0.822, followed by CART with Rsq of 0.664 respectively. 
Generalized Linear Model (GLM) and Classification and Regression Trees (CART) were used for Classification.
The top-performing model was CART with a test-set Balanced Accuracy of 0.930, followed by GLM with Balanced_Accuracy of 0.910 respectively. 
Generalized Linear Model (GLM) and Classification and Regression Trees (CART) were used for Regression.
The top-performing model was GLM with a test-set Rsq of 0.770, followed by CART with Rsq of 0.595 respectively. 
[22;38;2;128;128;128m2026-02-05 01:48:38 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:38 [0m[0mTraining set: [1;38;2;0;178;178m358[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:38 [0m[0m    Test set: [1;38;2;0;178;178m42[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:38 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:38 [0m[0mTraining [1;38;2;0;178;178mGLM Regression[0m...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:38 [0m[0mChecking data is ready for training... [22;38;2;0;153;107m✔ [0m[22;38;2;128;128;128m[check_supervised]
[0m
[22;38;2;128;128;128m<[0m[1;38;2;0;178;178mRegression[0m[22;38;2;128;128;128m>[0m
[1;38;2;0;178;178mGLM[0m (Generalized Linear Model)

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTraining Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.73
[1m     MSE[0m: 0.82
[1m    RMSE[0m: 0.91
[1m     Rsq[0m: 0.83

  [22;38;2;128;128;128m<[0m[1;38;2;0;178;178mTest Regression Metrics[0m[22;38;2;128;128;128m>[0m
[1m     MAE[0m: 0.74
[1m     MSE[0m: 1.03
[1m    RMSE[0m: 1.01
[1m     Rsq[0m: 0.77

[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0mWriting data to D:\temp\2026_02_05_01_45_16_1430\RtmpgbTXo7\file17fb0134466e7/mod_r_glm...[22;38;2;0;153;107m✔ [0m0.035 secs[22;38;2;128;128;128m [rt_save][0m
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0m[22;38;2;128;128;128mReload with:> obj <- readRDS('D:\temp\2026_02_05_01_45_16_1430\RtmpgbTXo7\file17fb0134466e7\mod_r_glm/train_GLM.rds')[0m[0m[22;38;2;128;128;128m [rt_save][0m
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0m✔ Done in [1m0.10[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0mTraining set: [1;38;2;0;178;178m400[0m cases x [1;38;2;0;178;178m6[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mGLM Regression[0m using 3 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Regression Model>
GLM (Generalized Linear Model)
⟳ Tested using 3 independent folds.

  <Resampled Regression Training Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.722 (0.028)
     MSE: 0.834 (0.073)
    RMSE: 0.913 (0.041)
     Rsq: 0.830 (0.017)

  <Resampled Regression Test Metrics>
    Showing mean (sd) across resamples.
     MAE: 0.744 (0.062)
     MSE: 0.886 (0.155)
    RMSE: 0.939 (0.081)
     Rsq: 0.819 (0.033)

[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0mWriting data to D:\temp\2026_02_05_01_45_16_1430\RtmpgbTXo7\file17fb09995da7/resmod_r_glm...[22;38;2;0;153;107m✔ [0m0.13 secs[22;38;2;128;128;128m [rt_save][0m
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0m[22;38;2;128;128;128mReload with:> obj <- readRDS('D:\temp\2026_02_05_01_45_16_1430\RtmpgbTXo7\file17fb09995da7\resmod_r_glm/train_GLM.rds')[0m[0m[22;38;2;128;128;128m [rt_save][0m
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0m✔ Done in [1m0.32[0m seconds.[0m[22;38;2;128;128;128m [train][0m
Classification and Regression Trees (CART), LightGBM Random Forest (LightRF), and Gradient Boosting (LightGBM) were used for Classification.
The top-performing model was CART with a test-set Balanced Accuracy of 0.900, followed by LightRF and LightGBM with Balanced_Accuracy of 0.900 and 0.900 respectively. 
Classification and Regression Trees (CART), LightGBM Random Forest (LightRF), and Gradient Boosting (LightGBM) were used for Classification.
The top-performing model was CART with a test-set Balanced Accuracy of 0.900, followed by LightRF and LightGBM with Balanced_Accuracy of 0.900 and 0.900 respectively. 
Elastic Net (GLMNET), Support Vector Machine with Radial Kernel (RadialSVM), and LightGBM Random Forest (LightRF) were used for Regression.
The top-performing model was RadialSVM with a test-set Rsq of 0.773, followed by GLMNET and LightRF with Rsq of 0.772 and 0.735 respectively. 
Elastic Net (GLMNET), Support Vector Machine with Radial Kernel (RadialSVM), and LightGBM Random Forest (LightRF) were used for Regression.
The top-performing model was RadialSVM with a test-set Rsq of 0.773, followed by GLMNET and LightRF with Rsq of 0.772 and 0.735 respectively. 
Generalized Linear Model (GLM), Support Vector Machine with Linear Kernel (LinearSVM), and LightGBM Random Forest (LightRF) were used for Classification.
The top-performing model was LinearSVM with a test-set Balanced Accuracy of 0.920, followed by GLM and LightRF with Balanced_Accuracy of 0.910 and 0.900 respectively. 
Generalized Linear Model (GLM), Support Vector Machine with Linear Kernel (LinearSVM), and LightGBM Random Forest (LightRF) were used for Classification.
The top-performing model was LinearSVM with a test-set Balanced Accuracy of 0.920, followed by GLM and LightRF with Balanced_Accuracy of 0.910 and 0.900 respectively. 
Generalized Linear Model (GLM), Support Vector Machine with Linear Kernel (LinearSVM), and LightGBM Random Forest (LightRF) were used for Regression.
The top-performing model was GLM with a test-set Rsq of 0.822, followed by LinearSVM and LightRF with Rsq of 0.813 and 0.662 respectively. 
Generalized Linear Model (GLM), Support Vector Machine with Linear Kernel (LinearSVM), and LightGBM Random Forest (LightRF) were used for Regression.
The top-performing model was GLM with a test-set Rsq of 0.822, followed by LinearSVM and LightRF with Rsq of 0.813 and 0.662 respectively. 
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0mTraining set: [1;38;2;0;178;178m34[0m cases x [1;38;2;0;178;178m1[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mIsotonic Classification[0m using 5 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:39 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Classification Model>
Isotonic (Isotonic Regression)
⟳ Tested using 5 independent folds.

  <Resampled Classification Training Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.985 (0.034)
          Specificity: 0.825 (0.106)
    Balanced_Accuracy: 0.905 (0.047)
                  PPV: 0.856 (0.076)
                  NPV: 0.985 (0.034)
                   F1: 0.913 (0.039)
             Accuracy: 0.905 (0.047)
                  AUC: 0.977 (0.017)
          Brier_Score: 0.051 (0.021)

  <Resampled Classification Test Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.850 (0.224)
          Specificity: 0.750 (0.433)
    Balanced_Accuracy: 0.800 (0.209)
                  PPV: 0.850 (0.224)
                  NPV: NA (NA)
                   F1: 0.817 (0.171)
             Accuracy: 0.800 (0.209)
                  AUC: 0.883 (0.143)
          Brier_Score: 0.149 (0.168)

[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0m✔ Done in [1m0.28[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0mTraining set: [1;38;2;0;178;178m32[0m cases x [1;38;2;0;178;178m1[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mIsotonic Classification[0m using 5 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Classification Model>
Isotonic (Isotonic Regression)
⟳ Tested using 5 independent folds.

  <Resampled Classification Training Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.938 (0.034)
          Specificity: 0.937 (0.035)
    Balanced_Accuracy: 0.938 (0.020)
                  PPV: 0.938 (0.034)
                  NPV: 0.940 (0.034)
                   F1: 0.938 (0.020)
             Accuracy: 0.938 (0.020)
                  AUC: 0.938 (0.020)
          Brier_Score: 0.057 (0.019)

  <Resampled Classification Test Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.950 (0.112)
          Specificity: 0.867 (0.183)
    Balanced_Accuracy: 0.908 (0.085)
                  PPV: 0.900 (0.137)
                  NPV: 0.960 (0.089)
                   F1: 0.914 (0.078)
             Accuracy: 0.908 (0.085)
                  AUC: 0.908 (0.085)
          Brier_Score: 0.091 (0.079)

[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0m✔ Done in [1m0.31[0m seconds.[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0m▶[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0mTraining set: [1;38;2;0;178;178m34[0m cases x [1;38;2;0;178;178m1[0m features.[0m[22;38;2;128;128;128m [summarize_supervised][0m
[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0m[1m//[0m Max workers: [1;38;2;0;178;178m1[0m => Algorithm: [1;38;2;0;178;178m1[0m; Tuning: [1;38;2;0;178;178m1[0m; Outer Resampling: [1;38;2;0;178;178m1[0m[0m[22;38;2;128;128;128m [get_n_workers][0m
[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0m[1;38;2;255;0;76m<> [0mTraining [1;38;2;0;178;178mIsotonic Classification[0m using 5 independent folds...[0m[22;38;2;128;128;128m [train][0m
[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0mInput contains more than one column; stratifying on last.[0m[22;38;2;128;128;128m [resample][0m
[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0mUsing max n bins possible = 2.[0m[22;38;2;128;128;128m [kfold][0m
[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0m[1;38;2;255;0;76m</>[0m Outer resampling done.[0m[22;38;2;128;128;128m [train][0m

<Resampled Classification Model>
Isotonic (Isotonic Regression)
⟳ Tested using 5 independent folds.

  <Resampled Classification Training Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.884 (0.065)
          Specificity: 1.000 (0.000)
    Balanced_Accuracy: 0.942 (0.033)
                  PPV: 1.000 (0.000)
                  NPV: 0.898 (0.057)
                   F1: 0.937 (0.035)
             Accuracy: 0.942 (0.033)
                  AUC: 0.942 (0.033)
          Brier_Score: 0.051 (0.028)

  <Resampled Classification Test Metrics>
    Showing mean (sd) across resamples.
          Sensitivity: 0.900 (0.224)
          Specificity: 1.000 (0.000)
    Balanced_Accuracy: 0.950 (0.112)
                  PPV: 1.000 (0.000)
                  NPV: 0.933 (0.149)
                   F1: 0.933 (0.149)
             Accuracy: 0.950 (0.112)
                  AUC: 0.950 (0.112)
          Brier_Score: 0.056 (0.108)

[22;38;2;128;128;128m2026-02-05 01:48:40 [0m[0m✔ Done in [1m0.29[0m seconds.[0m[22;38;2;128;128;128m [train][0m
Group counts:
group
 Low   NS High 
   1   98    1 
[22;38;2;128;128;128m2026-02-05 01:48:51 [0m[0m▶[0m[22;38;2;128;128;128m [massGLM][0m
[22;38;2;128;128;128m2026-02-05 01:48:51 [0m[0mScaling and centering 40 numeric features...[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:48:51 [0m[0mPreprocessing done.[0m[22;38;2;128;128;128m [preprocess][0m
[22;38;2;128;128;128m2026-02-05 01:48:51 [0m[0mFitting [1;38;2;0;178;178m40[0m GLMs of family [1mgaussian[0m with [1;38;2;0;178;178m2[0m predictors each...[0m[22;38;2;128;128;128m [massGLM][0m
[22;38;2;128;128;128m2026-02-05 01:48:51 [0m[0m✔ Done in [1m0.10[0m seconds.[0m[22;38;2;128;128;128m [massGLM][0m
[22;38;2;128;128;128m2026-02-05 01:48:51 [0m[0mPlotting coefficients for [1;38;2;0;178;178mx1[0m x 40 outcomes.[0m[22;38;2;128;128;128m [`plot.rtemis::MassGLM`][0m
Group counts:
group
 Low   NS High 
   1   37    2 
[ FAIL 0 | WARN 0 | SKIP 0 | PASS 266 ]
> 
> proc.time()
   user  system elapsed 
  75.29   10.03   97.20