问题描述
我试图在 R 中使用多变量响应并遇到该死的公式，并且有各种意外行为，主要是在函数和包中使用它们时。这个问题是双重的
我可以输入一个多变量响应，然后能够使用模型进行预测？
此 MVE 使用 rpart 包作为示例。这里 y 是一个两列矩阵（响应），我想使用 y 预测 x，即 x 中的每一列（这个 MVE 中的两列）。请注意，method 本身和 y 中每一列的含义无关，这只是重现问题的 MVE：
library(rpart)
set.seed(1)
y <- rpois(10,lambda = 1.25)
y <- cbind(c(1,4,10,11,12,14,16,17,20,21),y)
print(y)
x <- matrix(1:20,ncol = 2) # just two dummy predictors
print(x)
mymodel <- rpart(y ~ x,method = "poisson",minbucket = 1)
newx <- matrix(11:20,ncol = 2) # just some dummy test predictors,note that we have less rows
predict(mymodel,newdata = data.frame(newx))
# output:
1 2 3 4 5 6 7 8
9 10
0.12500000 0.12500000 0.12500000 0.20000000 0.04761905 0.17948718 0.17948718 0.11538462
0.04000000 0.04000000
Warning message:
'newdata' had 5 rows but variables found have 10 rows
如您所见，我无法预测新数据集。我一直在弄乱列和行名称，但无法使其正常工作。
此外，
如何制作“安全”的包装器？
例如，在这个 MVE 中：
mywrapper <- function(y,x){
mymodel <- rpart(y ~ x,minbucket = 1)
return(mymodel)
}
并提供 R 文档中提供的帮助：
一个公式对象有一个关联的环境，model.frame 使用这个环境（而不是父环境）来评估在提供的数据参数中找不到的变量。 使用 ~ 运算符创建的公式使用创建它们的环境。使用 as.formula 创建的公式将对其环境使用 env 参数。
我真的不明白这是什么意思。据我了解，不输入 y 或 x 到 mywrapper() 将导致错误（这是预期的行为）。我问是因为我正在处理 r 包和包内的函数，我想确保公式没有意外行为。
解决方法
一般来说，R 中的公式适用于数据框。 rpart 适用于矩阵，虽然数据框可以保存矩阵，但它们往往会转换为单独的列。为避免这种情况，请将矩阵包裹在 I() 中：
# Same as your code to start...then this:
predict(mymodel,newdata = data.frame(x = I(newx)))
#> 1 2 3 4 5
#> 0.04 0.04 0.04 0.04 0.04
在问题的第二部分，您将在 mywrapper 函数中创建一个公式，因此如果变量未包含在 newdata 数据框中，它将在这里查找变量。 R 中的“环境”类似于其他语言中的“堆栈帧”；主要区别在于环境只有一个父对象，如果在原始对象中找不到对象，则搜索会在那里进行。
一般来说，父级不是调用者的框架，它是创建环境的框架，或者特别列为父级的东西。
那么，如果您对 predict 的返回值运行 mywrapper 会发生什么，它会查看公式以找到它需要的变量。预测只需要右侧的变量，所以这只是 x。如果您在 x 的 newdata 参数中提供 predict，一切都会好起来并像以前一样继续，但如果您不这样做，情况就会不同。
由于在 x 中没有找到 newdata，所以它转到公式的环境中。这是 mywrapper 的求值框架，它会在那里看到 x，因为它是该函数的参数。
如果它正在寻找 z，它不会在那里找到它。下一个要查看的地方是父环境，它是创建 mywrapper 时生效的环境，即全局环境。如果那里没有 z，它将搜索 search() 列出的环境链，这些环境通常是包导出。 search() 列表链接在一起，因此每个条目都是前一个条目的父项。
我希望这不是太多信息......
,我没有使用过 rpart:predict，但根据文档，对于这个函数，您需要一个与原始数据集具有相同变量的新数据集。
因此，您应该使用正确的列名启动 newx：
newx = matrix(11:20,ncol = 2,dimnames=list(NULL,c("x1","x2")))
现在，这些列被标记为 x1 和 x2，就像您的模型和 predict 中的变量将知道如何处理这些列一样。