Question

我正在递归地构造一个近似函数（adaboost）。我想在此过程中创建生成的学习函数（不是将近似直接应用于我的测试数据，而是保留导致它的函数）

不幸的是，R似乎更新了变量名在使用后很长时间所指的值。

#defined in plyr as well
id <- function(x) {x}

#my first classifier 
modelprevious <- function(inputx, k) { k(0)}

#one step of my superb model
modelf <- function(x) 2*x #for instance

#I update my classifier
modelCurrent <- function(inputx, k) 
                 { modelprevious(inputx, function(res) {k(res + modelf(inputx))})}

#it works
modelCurrent(2,id) #4

#Problem
modelf <- function(x) 3*x
modelCurrent(2,id) #6 WTF !!

具有相同参数的相同函数会返回不同的内容，这非常烦人！

那么如何捕获由modelf表示的值，以便生成的函数仅取决于绑定时的参数，而不是某个全局状态？

鉴于这个问题，我不知道如果一个人无法触及局部变量，如何在R中进行递归函数构建，除了通过引用/解析的丑陋黑客

Answer 1

你需要一家工厂：

modelCurrent = function(mf){
  return(function(inputx,k){
    modelprevious(
      inputx,
      function(res){
        k(res+mf(inputx))
      } # function(res)
      ) # modelprevious
  } # inner function
         ) # return
} # top function

现在您使用工厂创建具有您希望它使用的modelf函数的模型：

> modelf <- function(x) 2*x
> m1 = modelCurrent(modelf)
> m1(2,id)
[1] 4
> modelf <- function(x) 3*x
> m1(2,id) # no change.
[1] 4

你总是可以在临时的基础上制作它们：

> modelCurrent(modelf)(2,id)
[1] 6

在那里你可以看到工厂使用modelf的当前定义创建了一个函数，所以它乘以3。

最后一个巨大的WTF！？！会打你的。仔细观察：

> modelf <- function(x) 2*x
> m1 = modelCurrent(modelf)
> m1(2,id)
[1] 4
>
> m1 = modelCurrent(modelf) # create a function using the 2* modelf
> modelf <- function(x) 3*x # change modelf...
> m1(2,id) # WTF?!
[1] 6

这是因为调用工厂时，mf未被评估 - 这是因为未调用内部函数，并且在调用内部函数之前不使用mf。 / p>

诀窍是强制评估外部函数中的mf，通常使用force：

modelCurrent = function(mf){
  force(mf)
  return(function(inputx,k){
    modelprevious(
      inputx,
      function(res){
        k(res+mf(inputx))
      } # function(res)
      ) # modelprevious
  } # inner function
         ) # return
} # top function

这导致我过早秃顶，因为如果你忘了这一点，并认为有一些奇怪的错误正在发生，然后尝试坚持print(mf)到位，看看发生了什么，你将评估{{1从而得到你想要的行为。通过检查数据，你改变了它！一个Heisenbug！

在R中累积函数和闭包

1 个答案: