从 RWeka SMOreg 模型中提取权重

Question

我正在使用很棒的 RWeka 包来适应在 Weka 中实现的 SMOreg 模型。虽然一切正常，但我在从拟合模型中提取权重时遇到了一些问题。

作为所有 Weka 分类器对象，我的模型有一个很好的打印方法，可以显示所有特征及其相对权重。但是，我无法以任何方式提取这些权重。

你可以通过运行以下代码自己查看：

library(RWeka)
data("mtcars")
SMOreg_classifier <- make_Weka_classifier("weka/classifiers/functions/SMOreg")
model_SMOreg <- SMOreg_classifier(mpg ~ ., data = mtcars)

现在，如果您只是调用模型

model_SMOreg

您会看到它打印了模型中使用的所有特征及其相对权重。我想将这些权重作为向量访问，或者更好的是，作为 2 列的表，其中一列包含特征名称，另一列包含权重。

我正在使用 Windows 7 x64 系统，使用 RStudio 版本 1.0.153、R 3.4.2 Short Summer 和 RWeka 0.4-35。

有人知道怎么做吗？

Answer 1

根据@knb 的建议，我编写了一个函数来从 SMOreg 模型中提取权重，并返回一个小标题，其中一列用于特征名称，一列用于特征权重，行排列在绝对值之后重量。

请注意，此功能仅适用于 SMOreg 分类器，因为其他分类器的输出在布局方面略有不同。但是，我认为该功能可以轻松地适应其他分类器。

library(stringr)
library(tidyverse)

extract_weights_from_SMOreg <- function(model) {

  oldw <- getOption("warn")
  options(warn = -1)


  raw_output <- capture.output(model)
  trimmed_output <- raw_output[-c(1:3,(length(raw_output) - 4): length(raw_output))]
  df <- data_frame(features_name = vector(length = length(trimmed_output) + 1, "character"), 
                   features_weight = vector(length = length(trimmed_output) + 1, "numeric"))

  for (line in 1:length(trimmed_output)) {


    string_as_vector <- trimmed_output[line] %>%
      str_split(string = ., pattern = " ") %>%
      unlist(.)


    numeric_element <- trimmed_output[line] %>%
      str_split(string = ., pattern = " ") %>%
      unlist(.) %>%
      as.numeric(.)

    position_mul <- string_as_vector[is.na(numeric_element)] %>%
      str_detect(string = ., pattern = "[*]") %>%
      which(.)

    numeric_element <- numeric_element %>%
      `[`(., c(1:position_mul))

    text_element <- string_as_vector[is.na(numeric_element)]


    there_is_plus <- string_as_vector[is.na(numeric_element)] %>%
      str_detect(string = ., pattern = "[+]") %>%
      sum(.)

    if (there_is_plus) { sign_is <- "+"} else { sign_is <- "-"}



    feature_weight <- numeric_element[!is.na(numeric_element)]

    if (sign_is == "-") {df[line, "features_weight"] <- feature_weight * -1} else {df[line, "features_weight"] <- numeric_element[!(is.na(numeric_element))]}

    df[line, "features_name"] <- paste(text_element[(position_mul + 1): length(text_element)], collapse = " ")

  }

  intercept_line <- raw_output[length(raw_output) - 4]


  there_is_plus_intercept <- intercept_line %>%
    str_detect(string = ., pattern = "[+]") %>%
    sum(.)

  if (there_is_plus_intercept) { intercept_sign_is <- "+"} else { intercept_sign_is <- "-"}

  numeric_intercept <- intercept_line %>%
    str_split(string = ., pattern = " ") %>%
    unlist(.) %>%
    as.numeric(.) %>%
    `[`(., length(.))

  df[nrow(df), "features_name"] <- "intercept"

  if (intercept_sign_is == "-") {df[nrow(df), "features_weight"] <- numeric_intercept * -1} else {df[nrow(df), "features_weight"] <- numeric_intercept}

  options(warn = oldw)

  df <- df %>%
    arrange(desc(abs(features_weight)))

  return(df)
}

这里是一个模型的示例

library(RWeka)
data("mtcars")
SMOreg_classifier <- make_Weka_classifier("weka/classifiers/functions/SMOreg")
mpg_model_weights <- extract_weights_from_SMOreg(SMOreg_classifier(data = mtcars, mpg ~ .))
mpg_model_weights 

Answer 2

我认为您无法以数字格式获取此信息。

attr(model_SMOreg, "meta")$class                      #  "Weka_classifier"

getAnywhere("print.Weka_classifier")

结果：

A single object matching ‘print.Weka_classifier’ was found
It was found in the following places
  registered S3 method for print from namespace RWeka
  namespace:RWeka
with value

function (x, ...) 
{
    writeLines(.jcall(x$classifier, "S", "toString"))
    invisible(x)
}
<bytecode: 0x8328630>
<environment: namespace:RWeka>

所以我们看到：print.Weka_classifier() 调用 .writeLines()，然后调用 rJava::.jcall，返回一个字符串。

因此，我认为您需要自己解析权重，也许通过调用capture.output() 方法。