如何解决R：有选择地修剪循环的结果
我使用的是 R 编程语言。我正在学习如何迭代地循环一个过程（例如，生成一些随机数据并拟合不同的决策树）。在上一个问题 (R: Saving the Results of a Loop) 中，我学习了如何生成随机数据、拟合不同的决策树并记录其准确性：
library(caret)
library(rpart)
#generate data
a = rnorm(1000,10,10)
b = rnorm(1000,5)
c = rnorm(1000,5,10)
group <- sample( LETTERS[1:2],1000,replace=TRUE,prob=c(0.5,0.5))
group_1 <- 1:1000
#put data into a frame
d = data.frame(a,b,c,group,group_1)
d$group = as.factor(d$group)
e <- d
vec1 <- sample(200:300,5)
vec2 <- sample(400:500,5)
vec3 <- sample(700:800,5)
z <- 0
df <- expand.grid(vec1,vec2,vec3)
df$Accuracy <- NA
for (i in seq_along(vec1)) {
for (j in seq_along(vec2)) {
for (k in seq_along(vec3)) {
# d <- e
d$group_2 = as.integer(ifelse(d$group_1 < vec1[i],ifelse(d$group_1 >vec1[i] & d$group_1 < vec2[j],1,ifelse(d$group_1 >vec2[j] & d$group_1 < vec3[k],2,3))))
d$group_2 = as.factor(d$group_2)
fitControl <- trainControl(## 10-fold CV
method = "repeatedcv",number = 2,## repeated ten times
repeats = 1)
TreeFit <- train(group_2 ~ .,data = d[,-5],method = "rpart",trControl = fitControl)
pred <- predict(
TreeFit,d[,-5])
con <- confusionMatrix(
d$group_2,pred)
#update results into table
#final_table[i,j] = con$overall[1]
z <- z + 1
df$Accuracy[z] <- con$overall[1]
}
}
}
#view the final results
head(df)
数据框“df”包含最终结果。我担心的是：如果你想多次迭代这个循环，“df”的大小会变得非常大。假设我只想保留“df”的“前 20 行”（基于 df$Accuracy 的降序值）。我可以按如下方式完成此操作：
#sort "df" by (descending values of) "Accuracy":
df_sort <- df[order(-df$Accuracy),]
#select first 20 rows
df_final = df_sort[1:20,]
但我担心计算机内存的限制可能会阻止创建“df”（对于大量迭代）。
我的问题：有没有办法阻止“df”达到超过 20 行？例如
这样，“df”的大小永远不会超过 20 行。
有人可以告诉我怎么做吗？
谢谢
解决方法
你可以实现这样的逻辑：
library(caret)
library(rpart)
a = rnorm(1000,10,10)
b = rnorm(1000,5)
c = rnorm(1000,5,10)
group <- sample( LETTERS[1:2],1000,replace=TRUE,prob=c(0.5,0.5))
group_1 <- 1:1000
#put data into a frame
d = data.frame(a,b,c,group,group_1)
d$group = as.factor(d$group)
e <- d
vec1 <- sample(200:300,5)
vec2 <- sample(400:500,5)
vec3 <- sample(700:800,5)
z <- 0
#Intialise a list
result <- vector('list',20)
for (i in seq_along(vec1)) {
for (j in seq_along(vec2)) {
for (k in seq_along(vec3)) {
# d <- e
d$group_2 = as.integer(ifelse(d$group_1 < vec1[i],ifelse(d$group_1 >vec1[i] & d$group_1 < vec2[j],1,ifelse(d$group_1 >vec2[j] & d$group_1 < vec3[k],2,3))))
d$group_2 = as.factor(d$group_2)
fitControl <- trainControl(## 10-fold CV
method = "repeatedcv",number = 2,## repeated ten times
repeats = 1)
TreeFit <- train(group_2 ~ .,data = d[,-5],method = "rpart",trControl = fitControl)
pred <- predict(
TreeFit,d[,-5])
con <- confusionMatrix(
d$group_2,pred)
z <- z + 1
#Till 20 put the data in a list
if(z <= 20) {
result[[z]] <- data.frame(vec1 = vec1[i],vec2 = vec2[j],vec3 = vec3[j],Accuracy = con$overall[1])
} else {
#Create a dataframe of 20 list from above
if(z == 21) result <- do.call(rbind,result)
#Sort it in decreasing order
result <- result[order(-result$Accuracy),]
#compare with last value
if(result$Accuracy[20] < con$overall[1]) {
#Create a new dataframe
new_df <- data.frame(vec1 = vec1[i],Accuracy = con$overall[1])
#Replace the last row
result <- rbind(head(result,19),new_df)
}
}
}
}
}
这应该返回一个类似的输出：
result
# vec1 vec2 vec3 Accuracy
#Accuracy2 258 402 706 0.376
#Accuracy4 258 402 706 0.376
#Accuracy9 200 402 706 0.376
#Accuracy15 214 402 706 0.376
#Accuracy16 236 402 706 0.376
#Accuracy18 207 402 706 0.376
#Accuracy11 258 414 779 0.364
#Accuracy12 200 414 779 0.364
#Accuracy6 214 414 779 0.364
#Accuracy13 236 414 779 0.364
#Accuracy10 200 402 706 0.360
#Accuracy17 214 402 706 0.360
#Accuracy3 236 402 706 0.360
#Accuracy5 207 402 706 0.360
#Accuracy19 258 414 779 0.348
#Accuracy8 200 414 779 0.348
#Accuracy7 214 414 779 0.348
#Accuracy14 236 414 779 0.348
#Accuracy 207 414 779 0.348
#Accuracy1 207 414 779 0.364
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。