R循环和data.frame

Posted 2023-03-12

【中文标题】R循环和data.frame

【英文标题】：R loops and data.frame

【发布时间】：2015-09-15 17:01:30

【问题描述】：

部分代码是

sse <-c()                         
k <- c()    

for (i in seq(3, 15, 1))                         

  y_pred <-knn(train = newdata.training, test = newdata.test,
               cl = newdata.trainLabels, k=i)

  pred_y <- as.numeric(levels(y_pred)[y_pred])            
  sse[i] <- sum((newdata.trainLabels-pred_y)^2)   

  k[i] <- i                                

pred_y 是每个i 的列。我想创建一个包含所有 13 列的数据框。可以通过使用for 循环来完成吗？否则如何实现？我需要建议。

【参考方案1】：

您可以使用foreach，如果您的 CPU 中有多个内核，它可以并行运行。这是非并行代码：

library("iterators")
library("foreach")
library("FNN")

data(iris3)
newdata.training <- rbind(iris3[1:25,,1], iris3[1:25,,2], iris3[1:25,,3])
newdata.test <- rbind(iris3[26:50,,1], iris3[26:50,,2], iris3[26:50,,3])
newdata.trainlabels <- factor(c(rep(1,25), rep(2,25), rep(3,25)))

k.values = seq(3, 15, 1)
start = 2  # to index sse array using k.values
sse = numeric(length = length(k.values))
results = foreach(i = iter(k.values),.combine = cbind) %do%

  y_pred <-knn(train = newdata.training, test = newdata.test,
               cl = newdata.trainlabels, k=i, prob = TRUE)

  pred_y <- as.numeric(levels(y_pred)[y_pred])            
  sse[i - start] <- sum((as.numeric(newdata.trainlabels)-pred_y)^2) 
  pred_y 


results1 = data.frame(results)
colnames(results1) = k.values

这是并行版本：

# Parallel version
library("iterators")
library("foreach")
library("parallel")
library("doParallel")
library("FNN")


data(iris3)
newdata.training <- rbind(iris3[1:25,,1], iris3[1:25,,2], iris3[1:25,,3])
newdata.test <- rbind(iris3[26:50,,1], iris3[26:50,,2], iris3[26:50,,3])
newdata.trainlabels <- factor(c(rep(1,25), rep(2,25), rep(3,25)))

num.cores = detectCores()
clusters <- makeCluster(num.cores)
registerDoParallel(clusters)
k.values = seq(3, 15, 1)
start = 2  # to index sse array using k.values
sse = numeric(length = length(k.values))
results = foreach(i = iter(k.values),.combine = cbind, .packages=c("FNN")) %dopar%

  y_pred <-knn(train = newdata.training, test = newdata.test,
               cl = newdata.trainlabels, k=i, prob = TRUE)

  pred_y <- as.numeric(levels(y_pred)[y_pred])            
  sse[i - start] <- sum((as.numeric(newdata.trainlabels)-pred_y)^2) 
  pred_y 


results1 = data.frame(results)
colnames(results1) = k.values
stopCluster(clusters)

非并行代码和并行代码之间只有一些区别。首先，需要加载额外的库。其次，您需要创建和注册将执行并行计算的集群（并在完成后停止集群）。第三，foreach 使用%dopar% 中缀运算符而不是%do%。第四，foreach函数需要.packages参数将KNN传递给每个集群。

【讨论】：

是包knn还是fnn？

@DeanMacGregor 这是 FNN：快速最近邻算法 cran.r-project.org/web/packages/FNN/FNN.pdf