将模型公式传递给另一个函数时找不到对象错误

Question

我对 R 有一个奇怪的问题，我似乎无法解决。

我尝试编写一个函数，对 R 中的逐步过程选择的模型执行 K 折交叉验证。（我知道逐步过程存在的问题，这纯粹是为了比较目的）:)

现在的问题是，如果我定义函数参数 (linmod,k,direction) 并运行函数的内容，它会完美运行。但是，如果我将它作为函数运行，我会收到一条错误消息，提示找不到 datas.train 对象。

我尝试使用 debug() 单步执行该函数，并且该对象显然存在，但 R 表示当我实际运行该函数时它不存在。如果我只是使用 lm() 拟合模型，它可以正常工作，所以我认为这是循环中的 step 函数的问题，而在函数内部。 （尝试注释掉 step 命令，并将预测设置为来自普通线性模型的预测。）

#CREATE A LINEAR MODEL TO TEST FUNCTION
lm.cars <- lm(mpg~.,data=mtcars,x=TRUE,y=TRUE)


#THE FUNCTION
cv.step <- function(linmod,k=10,direction="both"){
  response <- linmod$y
  dmatrix <- linmod$x
  n <- length(response)
  datas <- linmod$model
  form <- formula(linmod$call)

  # generate indices for cross validation
  rar <- n/k
  xval.idx <- list()
  s <- sample(1:n, n) # permutation of 1:n
  for (i in 1:k) {
    xval.idx[[i]] <- s[(ceiling(rar*(i-1))+1):(ceiling(rar*i))]
  }

  #error calculation
  errors <- R2 <- 0

  for (j in 1:k){
     datas.test <- datas[xval.idx[[j]],]
       datas.train <- datas[-xval.idx[[j]],]
       test.idx <- xval.idx[[j]]

       #THE MODELS+
       lm.1 <- lm(form,data= datas.train)
       lm.step <- step(lm.1,direction=direction,trace=0)

      step.pred <- predict(lm.step,newdata= datas.test)
        step.error <- sum((step.pred-response[test.idx])^2)
        errors[j] <- step.error/length(response[test.idx])

        SS.tot <- sum((response[test.idx] - mean(response[test.idx]))^2)
        R2[j] <- 1 - step.error/SS.tot
  }

  CVerror <- sum(errors)/k
  CV.R2 <-  sum(R2)/k

  res <- list()
  res$CV.error <- CVerror
  res$CV.R2 <- CV.R2

return(res)
}


#TESTING OUT THE FUNCTION
cv.step(lm.cars)

有什么想法吗？

Answer 1

当您创建公式时，lm.cars 被分配了自己的环境。除非您明确更改它，否则此环境将保留在公式中。所以当你用formula函数提取公式时，模型的原始环​​境就包含在内了。

我不知道我是否在这里使用了正确的术语，但我认为您需要明确更改函数内公式的环境：

cv.step <- function(linmod,k=10,direction="both"){
  response <- linmod$y
  dmatrix <- linmod$x
  n <- length(response)
  datas <- linmod$model
  .env <- environment() ## identify the environment of cv.step

  ## extract the formula in the environment of cv.step
  form <- as.formula(linmod$call, env = .env) 

  ## The rest of your function follows

Answer 2

另一个可能导致这种情况的问题是，如果将character（字符串vector）传递给lm，而不是formula。 vectors 没有environment，因此当lm 将character 转换为formula 时，它显然也没有environment，而不是自动分配本地环境。如果然后使用不在数据参数data.frame 中但在本地函数参数中的对象作为权重，则会收到not found 错误。这种行为不是很容易理解。这可能是一个错误。

这是一个最小的可重现示例。这个函数需要一个data.frame、两个变量名和一个权重向量。

residualizer = function(data, x, y, wtds) {
  #the formula to use
  f = "x ~ y" 

  #residualize
  resid(lm(formula = f, data = data, weights = wtds))
}

residualizer2 = function(data, x, y, wtds) {
  #the formula to use
  f = as.formula("x ~ y")

  #residualize
  resid(lm(formula = f, data = data, weights = wtds))
}

d_example = data.frame(x = rnorm(10), y = rnorm(10))
weightsvar = runif(10)

并测试：

> residualizer(data = d_example, x = "x", y = "y", wtds = weightsvar)
Error in eval(expr, envir, enclos) : object 'wtds' not found

> residualizer2(data = d_example, x = "x", y = "y", wtds = weightsvar)
         1          2          3          4          5          6          7          8          9         10 
 0.8986584 -1.1218003  0.6215950 -0.1106144  0.1042559  0.9997725 -1.1634717  0.4540855 -0.4207622 -0.8774290 

这是一个非常微妙的错误。如果使用browser 进入函数环境，可以很好地看到权重向量，但在lm 调用中却找不到它！

如果使用名称weights 作为权重变量，则该错误变得更加难以调试。在这种情况下，由于lm 找不到权重对象，它默认使用 base 中的函数 weights() 从而引发更奇怪的错误：

Error in model.frame.default(formula = f, data = data, weights = weights,  : 
  invalid type (closure) for variable '(weights)'

别问我花了多少小时才弄明白。