Question

我想编写一个R函数，它接受一个公式作为它的第一个参数，类似于lm（）或glm（）和朋友。在这种情况下，它是一个采用数据框并以SVMLight格式写出文件的函数，具有以下一般形式：

<line> .=. <target> <feature>:<value> <feature>:<value> ... <feature>:<value> # <info>
<target> .=. +1 | -1 | 0 | <float> 
<feature> .=. <integer> | "qid"
<value> .=. <float>
<info> .=. <string>

例如，以下数据框：

  result qid     f1     f2     f3     f4   f5     f6     f7     f8
1     -1   1 0.0000 0.1253 0.0000 0.1017 0.00 0.0000 0.0000 0.9999
2     -1   1 0.0098 0.0000 0.0000 0.0000 0.00 0.0316 0.0000 0.3661
3      1   1 0.0000 0.0000 0.1941 0.0000 0.00 0.0000 0.0509 0.0000
4     -1   2 0.0000 0.2863 0.0948 0.0000 0.34 0.0000 0.7428 0.0608
5      1   2 0.0000 0.0000 0.0000 0.4347 0.00 0.0000 0.9539 0.0000
6      1   2 0.0000 0.7282 0.9087 0.0000 0.00 0.0000 0.0000 0.0355

将表示如下：

-1 qid:1 2:0.1253 4:0.1017 8:0.9999
-1 qid:1 1:0.0098 6:0.0316 8:0.3661
1  qid:1 3:0.1941 7:0.0509
-1 qid:2 2:0.2863 3:0.0948 5:0.3400 7:0.7428 8:0.0608
1  qid:2 4:0.4347 7:0.9539
1  qid:2 2:0.7282 3:0.9087 8:0.0355

我想写的函数会被称为：

write.svmlight(result ~ f1+f2+f3+f4+f5+f6+f7+f8 | qid, data=mydata, file="out.txt")

甚至

write.svmlight(result ~ . | qid, data=mydata, file="out.txt")

但我无法弄清楚如何使用model.matrix()和/或model.frame()来了解它应该写的列。这些是正确的事吗？

非常感谢任何帮助！

Answer 1

部分答案。您可以下标公式对象以获得公式的解析树：

> f<-a~b+c|d
> f[[1]]
`~`
> f[[2]]
a
> f[[3]]
b + c | d
> f[[3]][[1]]
`|`
> f[[3]][[2]]
b + c
> f[[3]][[3]]
d

现在你只需要代码来走这棵树。

更新：这是一个遍历树的函数示例。

walker<-function(formu){
  if (!is(formu,"formula"))
    stop("Want formula")
  lhs <- formu[[2]]
  formu <- formu[[3]]

  if (formu[[1]]!='|')
    stop("Want conditional part")

  condi <- formu[[3]]

  flattener <- function(f) {if (length(f)<3) return(f);
                            c(Recall(f[[2]]),Recall(f[[3]]))}
  vars <- flattener(formu[[2]])

  list(lhs=lhs,condi=condi,vars=vars)
}

walker(y~a+b|c)

另请参阅terms.formula和terms.object的文档。查看采用条件公式的某些函数的代码可以提供帮助，例如。 lmer包中的lme4函数。

Answer 2

我用过

formu.names <- all.vars(formu)
Y.name <- formu.names[1]
X.name <- formu.names[2]
block.name <- formu.names[3]

在我写的关于为弗里德曼测试做事后的代码中写道：

http://www.r-statistics.com/2010/02/post-hoc-analysis-for-friedmans-test-r-code/

但它只适用于：Y`X | block

我希望别人能给出更好的答案。

从条件公式中提取信息

2 个答案: