r - 将数据帧的行作为参数传递给函数，同时保持其他参数不变

Question

跟进Pass rows of a data frame as arguments to a function in R with column names specifying the arguments :

我想使用不同的参数组合来训练以下模型:

library(xgboost)
library(Matrix)

df <- data.frame(y = sample(0:1, 1000, replace = TRUE),
                 a = rnorm(1000),
                 b = rnorm(1000),
                 c = rnorm(1000),
                 d = rnorm(1000))

train <- sparse.model.matrix(object = y~.-1, data = df)

model <- xgboost(data = train,
                 label = df$y,
                 # parameters
                 nrounds = 10, 
                 subsample = 0.5,
                 colsample_bytree = 0.8)

我使用参数创建了一个网格，我想将网格的行传递到 xgboost 函数中，同时保留 data 和 label 参数不变。

param <- expand.grid(nrounds = c(10, 50, 100),
                     subsample = c(0.5, 0.8, 0.9),
                     colsample_bytree = c(0.8))

我想使用列名来传递参数来指定它们(如果列名不是一个选项，列的顺序也将执行此操作)，因为这将使调用可针对不同的函数进行扩展。

Answer 1

我遇到了类似的问题，一直徒劳地寻找，直到我在 Hadley 的 Advanced R 中找到它。这允许您传递出现在数据框中的参数，将列的名称作为参数。阅读此处:

https://adv-r.hadley.nz/functionals.html#pmap

所以，就在这里。通过 purrr::pmap 有一个解决方案。它将参数映射到函数上:

这是我自己的代码，我最近与 quanteda 一起使用来处理 Kaggle SMS Spam 数据集。这些是我的参数的可能性:

tolower <- data_frame(tolower = c(TRUE, FALSE))
stem <- data_frame(stem = c(TRUE, FALSE))
remove_punct <- data_frame(remove_punct = c(TRUE, FALSE))

这是一个额外的好处，但不是必需的，但我发现我需要所有参数的组合来运行朴素贝叶斯模型。感谢 Y J 通过此 SO post :

expand.grid.df <- function(...) Reduce(function(...) merge(..., by=NULL), list(...))
parameters <- expand.grid.df(tolower, stem, remove_punct)

所以，现在我的参数如下所示:

> parameters
  tolower  stem remove_punct
1    TRUE  TRUE         TRUE
2   FALSE  TRUE         TRUE
3    TRUE FALSE         TRUE
4   FALSE FALSE         TRUE
5    TRUE  TRUE        FALSE
6   FALSE  TRUE        FALSE
7    TRUE FALSE        FALSE
8   FALSE FALSE        FALSE

现在神奇的是，通过 pmap 将参数传递给我选择的函数 (dfm):

mymodels <- pmap(parameters, dfm, x = mycorpus)

(x = mycorpus 是一个常量的额外参数，我想将其传递给 dfm)

这是我得到的:

> length(mymodels)
[1] 8
> mymodels[[1]]
Document-feature matrix of: 5,572 documents, 7,714 features (99.8% sparse).

希望这对您或其他研究此方法的人有帮助!