Question

简而言之：有没有一种方法可以遍历下面allModelsResults所述的lapply对象的每个元素？

平均，例如allModelsResults$'1'给我对象的第一个元素。下一个allModelsResults$'2'将是第二个元素。我想创建一个for循环，以提取每个元素，运行一些命令并存储结果。

下面的详细说明...

我有以下代码，在其中跨多个模型规范使用“ knn”运行简单的ML模型。模型规格存储在allModelList中，所有结果存储在allModelsResults中。

所有模型列表中的单个模型如下：

y ~ x1 + x2 + x3

或

y ~ x1 + x5 + x4

等等...简而言之，一系列模型规格组合

allModelsResults <- lapply(allModelsList, function(x) train(x,       data=All_categories_merged_done,method = "knn"))

我现在想一一提取每个元素（每个模型的结果）以进行分析。例如，我可以手动服用：

allModelsResults$'1'从第一个模型获得结果，或者allModelsResults$'5'从第5个模型获得结果，依此类推。

理想情况下，每次选择一个元素在其上运行一系列命令时，我都会在for循环中遍历这些对象。

任何有关如何从allModelsResults对象中提取元素的帮助都会有帮助！我大约有50个模型规格，因此我需要创建一个循环或类似的东西来自动一个接一个地提取。

特别是为了与社区共享，对于每个元素，我想针对每个模型逐一进行。

作为一个示例，我在这里提取模型1（这显然不起作用）：

aggregate_results <- NULL

for(z in 1:length(categories)){
element_number_ID <- (element_number[z])

element_number_ID应该等于'1'才能提取正确的模型

    model_1_result <- allModelsResults$'1'

    ResultsTestPred <- predict(model_1_result, testing_data)
    results_to_store <- confusionMatrix(ResultsTestPred, testing_data $outcome)

aggregate_results  <- rbind(aggregate_results, results_to_store)

}

results_to_store的一个元素输出如下：

混淆矩阵和统计

      Reference

预测0 1 0 14 2 1 4 19

           Accuracy : 0.8462          
             95% CI : (0.6947, 0.9414)
No Information Rate : 0.5385          
P-Value [Acc > NIR] : 0.00005274      

              Kappa : 0.688

麦克纳马尔的检验P值：0.6831

        Sensitivity : 0.7778          
        Specificity : 0.9048          
     Pos Pred Value : 0.8750          
     Neg Pred Value : 0.8261          
         Prevalence : 0.4615          
     Detection Rate : 0.3590

检测患病率：0.4103
平衡精度：0.8413

   'Positive' Class : 0

我要为每个元素/模型保存Accuracy值的位置。这样，我就可以比较每个模型规格的准确性。

任何见识将不胜感激！

Answer 1

您似乎想要获得每个模型的预测和混淆矩阵。没有可复制的示例，并带有一些混乱的术语，我正在做很多猜测，但是我想我知道您想要什么（或者足够接近）。我将向您展示如何使用lapply和Map，然后我们也可以使用for循环来实现它。

首先，对测试数据进行预测。所有这些方法完全相同：

# lapply way
predictions = lapply(allModelsList, predict, newdata = testingdata)

# for loop way
predictions = list()
for (i in 1:length(allModelsList)) {
  predictions[[i]] = predict(allModelsList[[i]], newdata = testingdata)
}

# manual way - just so you understand exactly what's going on
predictions = list(
  predict(allModelsList[[1]], newdata = testingdata),
  predict(allModelsList[[2]], newdata = testingdata),
  predict(allModelsList[[3]], newdata = testingdata),
  ...
)

现在，predictions是list，因此我们使用[[访问每个元素。如果我们要定义某个变量predictions[[1]]（喜欢在循环中使用），则第一个是k，第predictions[[k]]个是k。我们还可以添加描述性名称，并使用名称代替索引。

类似地，我们可以计算所有混淆矩阵：

# lapply way
conf_matrices = lapply(predictions, confusionMatrix, reference = testingdata$outcome)

# for loop way
conf_matrices = list()
for (p in 1:length(predictions)) {
  conf_matrices[[p]] = confusionMatrix(p, reference = testingdata$outcome)
}

# manual way (for illustration)
conf_matrices = list(
  confusionMatrix(predictions[[1]], reference = testingdata$outcome),
  confusionMatrix(predictions[[2]], reference = testingdata$outcome),
  ...
)

同样，我们有一个list。第一个混淆矩阵是conf_matrices[[1]]，都与上面相同。

希望这有助于我们了解如何使用lapply或for循环来创建列表。

现在，在问题的最下方，您似乎暗示了混淆矩阵的Accuracy部分。我在帮助页面?confusionMatrix的底部运行了示例，并查看了结果。在结果上运行str(conf_mat)告诉我它是list，并且列表中的"overall"元素是命名向量，包括"Accuracy"。因此，对于单个混淆矩阵cm，我们可以使用cm[["overall"]]["Accuracy"]提取准确性。我们将[[部分用作list，将常规矢量部分用作[。（我们也可以使用cm$overall["Accuracy"]。$的工作原理是提供确切的名称，没有引号，没有变量。很多问题似乎与尝试将$与引号或变量。您只是不能这样做。请参阅fortunes::fortune(312)。

因此，我们可以从混淆矩阵列表中提取精度：

# I use *s*apply here so the result will be *s*implified into a vector
acc = sapply(conf_matrices, function(cm) cm[["overall"]]["Accuracy"])

acc = numeric(length(conf_matrices))
for (i in 1:length(conf_matrices)) {
  acc[i] = conf_matrices[[i]][["overall"]]["Accuracy"]
}

或者，如果您从一开始就知道只需要准确性，我们可以直接到达那里而无需保存中间步骤：

# apply
acc = sapply(allModelsList, function(x) {
    pred = predict(x, newdata = testingdata)
    cm = confusionMatrix(pred, reference = testingdata$outcome
    return(cm[["overall"]]["Accuracy"]
  }
)

＃for循环 acc =数字（length（allModelsList））对于（i in 1：length（allModelsList））{ pred =预测（allModelsList [[i]]，newdata = testingdata） cm = confusionMatrix（pred，reference = testingdata $ outcome acc [i] =（cm [[“ overall”]] [“ Accuracy”] }

注意：如上所述，在没有可重复的示例的情况下，我猜测很多，并且这些都没有经过测试，因为我没有任何可测试的输入。我假设我在您的问题中看到的关于各个步骤的信息是正确的，就像我们希望对allModelResults的每个元素进行预测一样。（如果是这样，fittedModels似乎比allModelResults更好。）我不知道您所说的“模型规范”是什么意思，我也不知道其中的含义是什么。 allModelList，但希望这为您提供了使用列表的足够示例，可以解决所有问题。（例如，可能还有不匹配的括号或缺少括号。）

与lapply循环相比，

sapply和for方便您键入，但实际上并没有什么不同。他们设置了一个对象来保存结果，然后将其填满。如果要同时创建多个结果，则可能只需要一个for循环。而且，随着内部步骤数的增加，无论如何，调试for循环会更加容易。使用您喜欢的东西和对您有意义的东西。

R：从lapply对象中提取循环元素

1 个答案: