问在MLR中嵌套的cv中，内部调优学习者将返回什么？

EN

在MLR中，有一种实现嵌套交叉验证的方法。在嵌套cv中，采用内环来选择最优的调谐参数，用外环来评价模型的性能。当我将嵌套的cv与特性选择过程结合在一起时，我对MLR将返回的内部优化模型的内容有些困惑。例如，我想首先应用基于outcome<0.05的关联p值的过滤器。在嵌套的cv中(我在培训、 validation 和测试集合中这么说)，应该是:在内部循环中，对每个训练集应用过滤器，然后调优我们感兴趣的参数，并在验证集中进行测试。在内循环中，我们可以得到最佳的调优参数和与其相关的特征集。

我想知道的是，内部最优的调优参数将返回给外部循环训练，我假设有两种可能的模型：

1. --内部最佳调优模型--只返回最佳调优参数，而不是所选特性子集。因此，在外部循环中，我们将首先应用相同的过滤器，然后使用最优的parameter.
2. The内部最佳调优模型来训练training+validation集，返回最佳的调优参数和所选的特性子集。因此，在外部循环中，我们将使用最优的调优参数和所选的特性子集(来自内环)来训练training+validation集。

在我看来，我认为第一个更符合逻辑。我的代码的一部分如下：

svm_learner<-makeLearner("classif.svm",predict.type="prob",fix.factors.prediction = TRUE)
svm_filter<-makeFilterWrapper(learner = svm_learner,
                          fw.method = "t.test.filter", fw.threshold = -0.05)
svm_filter_nested<-makeTuneWrapper(svm_filter,par.set=ps,
                        control=ctrl,resampling=inner)
r=resample(svm_filter_nested,task,resampling=outer,models=TRUE)