R变量名称包含分号

Question

我有一个数据框。很多变量的名称都是这样的：

/messages/with/:userid/
/:id/

我使用以下方式阅读数据：

read.csv(file="file-path", header=TRUE,
           sep=",", check.names = F)

以便保留原始名称（使用check.names = F）。 我使用 rpart 从数据中训练决策树模型，然后尝试使用以下方法将树模型保存为 pmml 格式：

saveXML(pmml(dt.model, model.name = "DecisionTree_Model",
         app.name = "model_lr.pmml",
         description = "Decision Tree Model",
         unknownValue=0), "dt_model.pmml")

但是，这会导致以下错误：

  

字段$ class [[field $ name [i]]]：下标超出范围

时出错

我认为原因是，变量名称包含:，因此列索引被搞砸了。

我本可以用check.names = T读取数据，因此变量名称看起来像：

X.messages.with..userid.   
X..id."

但是，由于我需要 pmml 文件的原始变量名称，我想保留变量名称。有没有办法解决这个问题？

Answer 1

pmml包在内部非常不稳定 - 毕竟在R中进行XML操作并不是一个好主意。如果您对将R模型导出为PMML数据格式感兴趣，那么您可以尝试r2pmml package。它是用Java编写的（因此不会受到R语言怪癖）并且速度更快，功能更强。

r2pmml包的问题在于它还不支持rpart::rpart模型类型。因此，您最好的选择如下：

1. 重命名data.frame列。将变量名称映射列表保存到文本文件中。
2. 使用rpart包将pmml模型导出到PMML文件中。
3. 使用JPMML-Model library打开PMML文件并恢复原始变量名称（基于上面的映射文件）。 JPMML-Model为此提供了特殊的API（访问者类org.jpmml.model.visitors.FieldRenamer）。