给定列名向量，将值添加到数据框的每一行答案

【问题标题】：Adding the value to each row of data frame, given a vector of names of columns给定列名向量，将值添加到数据框的每一行
【发布时间】：2019-05-19 12:52:40
【问题描述】：

我正在为分类模型列表编写 predict 函数，因此每个模型都会对某些预测进行投票。

我创建了以下函数，但速度很慢。最里面的for 循环需要很长时间来计算。

predict.risemble <- function(.models, .dataset) {
  all_levels <- unique(unlist(lapply(.models, function(x) x$levels)))
  voting_df <- data.frame(matrix(0, ncol = length(all_levels), nrow = nrow(.dataset)))
  colnames(voting_df) <- all_levels
  voting_df <- as_tibble(voting_df)
  for (model in .models) {
    cat(sprintf("Making predictions for model %s\n", model$method))
    predictions <- predict(model, .dataset)
    cat("Voting ...\n")
    for (i in 1:length(predictions)) {
      prediction <- as.character(predictions[i])
      voting_df[i, prediction] <- voting_df[i, prediction] + model$results$Kappa
      if (mod(i, 1000) == 0) {
        cat(sprintf("%f%%\n", i / length(predictions) * 100))
      }
    }
  }
  return (as.factor(colnames(voting_df)[apply(voting_df, 1, which.max)]))
}

我需要加快最里面的for循环。

因此，给定一个预测向量（factor 类），我们可以使用as.character 将其转换为列名列表（character 类）。我们称这个向量为predictions。

在给定列向量predictions 的情况下，我需要为voting_df 的每一行添加一些特定值。

例子：

predictions <- c("a", "a", "a", "b", "c")

> voting_df
# A tibble: 5 x 3
      a     b     c
  <dbl> <dbl> <dbl>
1     1     0     0
2     1     0     0
3     1     0     0
4     0     1     0
5     0     0     1

编辑我的predict 函数的最终版本是这样的：

predict.risemble <- function(.models, .dataset) {
  all_levels <- unique(unlist(lapply(.models, function(x) x$levels)))
  voting_df <- data.frame(matrix(0, ncol = length(all_levels), nrow = nrow(.dataset)))
  colnames(voting_df) <- all_levels
  voting_df <- as_tibble(voting_df)
  voting_df <- voting_df %>% select(noquote(order(colnames(voting_df))))
  for (model in .models) {
    predictions <- as.character(predict(model, .dataset))
    votes <- tibble(prediction = predictions) %>%
      mutate(prediction_id = row_number(), value = model$results$Kappa) %>%
      spread(prediction, value) %>%
      select(-one_of("prediction_id"))
    votes[, all_levels[!all_levels %in% names(votes)]] <- NA
    votes <- votes %>% select(noquote(order(colnames(votes))))
    votes[is.na(votes)] <- 0
    voting_df <- voting_df + votes
  }
  return (as.factor(colnames(voting_df)[apply(voting_df, 1, which.max)]))
}

【问题讨论】：

我正在编写自己的 predict 函数，因为 caretEnsemble 在训练中需要 savePredictions。但我已经训练过模型。我不会重新进行训练，因为我总共花了 72 小时来训练我的所有模型。

标签： r

【解决方案1】：

我会尝试从您的向量构建一个数据框，然后使用 tidyrs 扩展函数：

library(tidyverse)
tibble(pred =predictions) %>%
mutate(pred_id = row_number(), value =1) %>%
spread(pred, value)

然后可能将 NA 替换为零。这对你的目的有用吗？

【讨论】：