Question

我为我正在处理的项目编写了一段R代码。我想缩短代码以节省项目空间。我对R相对较新，对for语句或函数apply没有太多经验，但我一直在阅读R帮助文件以及本网站上的其他问题，以及r-bloggers.com试图对这些功能有一些基本的了解。

我正在使用的功能来自dismo vignette“Boosted Regression Trees for ecological modelling”的第18页。

我的目标是......

为gbm.fixed的每个级别重复tree.complexity函数，从1到5，learning.rate的每个级别从0.001到0.01依次重复0.001。
重复所有predict.gbm结果的gbm.fixed功能。
将所有calc.deviance结果返回到矩阵，其中列名称类似于tc1lr001:tc5lr01，因此我可以绘制结果。

我的方法是使用for循环。我可以使用以下代码运行所有gbm.fixed函数...

for (i in 1:5){
  for (j in seq(0.001,0.01,0.001)){
    #Call the gbm.fixed model
    assign(paste0("test.tc",i,"lr.",substr(j,3,7)),
           gbm.fixed(data=data.train,
                     gbm.x = 3:10,
                     gbm.y = 2,
                     learning.rate = j,
                     tree.complexity = i,
                     n.trees = 10000))     
  }}

但是，当我尝试使用以下代码运行predict.gbm函数时......

for (i in 1:5){
  for (j in seq(0.001,0.01,0.001)){
    tree.list<-seq(100,10000,100)
    assign(paste("pred.tc",i,"lr.",substr(j,3,7),sep=""),
           predict.gbm(paste0("test.tc",i,"lr.",substr(j,3,7)), 
                              data.test, 
                              n.trees=tree.list, 
                              "response"))
  }}

...我收到以下错误......

Error in object$Terms : $ operator is invalid for atomic vectors

我做了一些阅读，并且有很多关于$ operator is invalid for atomic vectors的帖子，但我找不到任何与我正在做的事情相同的应用程序。

我确信这很简单，但我现在似乎无法绕过它。任何意见都表示赞赏。

作为参考，这里是我试图循环的工作代码的一次迭代（tree.complexity = 1和learning.rate = 0.001）的示例。

samp <- sample(nrow(data), round(samp.size * nrow(data)))
data.train <- data[samp,]
data.test <- data[-samp,]

tree.list<seq(100,20000,100)
test.tc1.lr001<- gbm.fixed(data=data.train, 
                               gbm.x=2:10,   #predictor variables
                               gbm.y=1,      #response variable
                               learning.rate=0.001,
                               tree.complexity=1,
                               n.trees=20000)

pred.tc1.lr001 <- predict.gbm(test.tc1.lr001, 
                                  data.test, 
                                  n.trees=tree.list, 
                                  "response")

#Calculate the deviance for all the results
pred.dev.tc1.lr001 <- rep(0,200)
for (i in 1:200) {
pred.dev.tc1.lr001[i] <- calc.deviance(data.test[,1],
                                             pred.tc1.lr001[,i], 
                                             calc.mean=TRUE)
}

predict.gbm，$运算符对原子向量无效

0 个答案: