使用单个命令运行具有不同参数的函数列表

Posted 2023-03-13

【中文标题】使用单个命令运行具有不同参数的函数列表

【英文标题】：Running a list of functions with different params with a single command

【发布时间】：2013-03-19 10:09:28

【问题描述】：

我希望在相同数据上测试不同回归/分类算法（即 svm、nnet、rpart、randomForest、naiveBayes 等）的结果，看看哪个效果更好。但我需要让我的代码尽可能短而干净。为了测试所有算法，我想使用包 multicore 的单个 mclapply() 调用来运行它们：

invisible(lapply(c("party","nnet","caret","klaR","randomForest","e1071","rpart",
                   "multicore"), require, character.only = T))
algorithms <- c(knn3, NaiveBayes, nnet, ctree, randomForest, svm, naiveBayes, rpart)
data(iris)
model <- mclapply(algorithms, function(alg) alg(Species ~ ., iris))

问题是某些算法需要额外的参数，即nnet()需要设置参数size。当然，这可以通过几个if,else 命令来解决，但是有没有更简单的解决方案？

【问题讨论】：

您可以尝试用包装器替换nnet：algorithms[[3]] <- function(...) nnet(...,size=your_size)

【参考方案1】：

您可以做的一件事是用部分函数替换 algorithms 中需要额外参数的那些，例如

algorithms <- c(knn3, ctree, function(...) nnet(..., size=2))

【讨论】：

等效地，使用functional 包，您可以使用Curry(nnet, size=2) 作为函数。

这是一个很好的解决方案。我在想我们是否可以轻松地将算法名称分配给mclapply() 结果中的names()，而无需额外的变量定义：即alg.names <- c("knn3",...

@BrianDiggs 啊哈，Curry！我知道这在某个地方。

@Ali 原子向量接受名称，因此您可以使用 c(knn3=knn3, nnet=function(...) nnet(..., 2), etc.)。我不记得mclapply 是否会保留这些名称，但无论如何你都可以使用names(model) <- names(algorithms)。

【参考方案2】：

包multicore似乎不适用于Windows，但这里有一个方法，以普通lapply的简单示例：

# names of the functions as strings
algorithms <- c("lm", "glm")
# arguments for each function (empty list for those which do not need any)
arguments <- list(lm=list(model=FALSE),glm=list(family = gaussian),lm=list())

# Use lapply with do.call
output<-lapply(1:length(algorithms), function(i) do.call(what=algorithms[i],
                    args=c(list(formula=y ~ .,data=freeny),arguments[[i]])))
names(output)<-algorithms #Add names to output

现在列表output 包含每个算法的输出。请注意，乍一看，这个例子的输出（通过命令output$lm）看起来有点糟糕，因为lm 和glm 的打印显示了函数调用和摘要，这里的函数调用很长。

编辑：一些小的调整。