使用()和predict()

Question

我试图在R.中的某些分类代码中使用外层函数和预测，为了方便起见，我们将在本文中假设我们有两个向量，分别为alpha和beta，分别包含0和1。我正在寻找一种简单而有效的方法来传递所有alpha< code >E29和E 110betaE 211到E 112预测E 213的所有组合。

我构造了下面的代码来模仿海量库中的lda函数，所以我使用的不是"lda"，而是“分类器”。需要注意的是，中的预测方法依赖于(alpha，β)对。

当然，我可以使用嵌套的for循环来完成这个任务，但是我试图避免这种方法。

以下是我理想中想做的事情：

alpha <- seq(0, 1)
beta <- seq(0, 1)
classifier.out <- classifier(training.data, labels)
outer(X=alpha, Y=beta, FUN="predict", classifier.out, validation.data)

这是一个问题，因为alpha和beta不是predict中的前两个参数。

所以，为了避开这个问题，我把最后一行改为

outer(X=alpha, Y=beta, FUN="predict", object=classifier.out, data=validation.data)

请注意，我的验证数据有40个观察，还有4对可能的alpha和beta。虽然我说错了

dims [product 4] do not match the length of object [40]

我尝试了一些其他的东西，其中一些是有效的，但远不是简单的。有什么建议吗？

Answer 1

问题是，外部期望它的函数被向量化(也就是说，它将用它想要执行的所有参数的向量调用一次预测)。因此，当调用一次predict时，返回其结果(碰巧长度为4)，外部抱怨是因为它不等于预期的40。

解决这一问题的一种方法是使用Vectorize。未经测试的代码：

outer(X=alpha, Y=beta, FUN=Vectorize(predict, vectorize.args=c("alpha", "beta")), object=classifier.out, data=validation.data)

Answer 2

我想出了一个不错的办法。下面是：

pairs <- expand.grid(alpha, beta)
names(pairs) <- c("alpha", "beta")
mapply(predict, pairs$alpha, pairs$beta, 
    MoreArgs=list(object=classifier.out, data=validation.data))

有人有更简单更高效的东西吗？我很想知道，因为我在这个问题上花了太长时间。:(