r - 用于大型数据集的 do.call 的替代方案

Question

我喜欢do.call。我喜欢能够将函数参数存储在列表中，然后将它们分配给给定的函数。

例如，我经常发现自己使用此模式来拟合不同预测模型的列表，每个模型都有一些共享参数和一些独特参数:

library(caret)
global_args <- list(
  x=iris[,1:3],
  y=iris[,4],
  trControl=trainControl(
    method='cv',
    number=2,
    returnResamp='final',
    )
  )
global_args$trControl$index <- createFolds(
  global_args$y,
  global_args$trControl$number
  )
model_specific_args <- list(
  'lm' = list(method='lm', tuneLength=1),
  'nn' = list(method='nnet', tuneLength=3, trace=FALSE),
  'gbm' = list(
    method='gbm',
    verbose=FALSE,
    tuneGrid=expand.grid(
      n.trees=1:100,
      interaction.depth=c(2, 3),
      shrinkage=c(.1, .01)
    )
  )
)
list_of_models <- lapply(model_specific_args, function(args){
  return(do.call(train, c(global_args, args), quote=TRUE))
})
resamps <- resamples(list_of_models)
dotplot(resamps, metric='RMSE')

global_args 包含所有模型都相同的参数，model_specific_args 包含特定于模型的参数列表。我循环 model_specific_args，将每个元素与 global_args 连接，然后使用 do.call 将最终参数列表传递给模型拟合函数。

虽然这段代码在视觉上很优雅，但其性能却很糟糕:do.call实际上将整个x数据集序列化为文本，然后将其传递给模型拟合函数。如果 x 是几 GB 的数据，则会使用大量 RAM，并且通常会失败。

print(list_of_models[[1]]$call)

有没有办法在不使用 do.call 或 call 的情况下将参数列表传递给 R 中的函数？

Answer 1

rlang::invoke为我工作。

它已被软弃用，取而代之的是 exec，但仍然可以完成工作。