如何在GA程序包中适当声明一个Function适合性？

问题描述

我开始在RStudio中进行线性回归，但是我无法弄清楚如何声明我假装使用的GA软件包中所需的适应度函数。

根据以下重复出现的错误，表明问题与函数的类对象有关：

（函数（cl，name，valueClass）中的错误：对于“ ga”类的对象，“ list”类的对象的分配对@“ fitness”无效； is（value，“ numericOrNA”）不为真

但是，我已经尝试更改train_set的类型，但没有成功。我真的不知道问题是否与所使用的两个自变量的正确管理有关。

这是我正在尝试的：

library(GA)

#from train,which is a list of 4 variables(total columns) and 80 lines
#Let's take the first 4 lines to exemplify

i  j k oil_cumulative_production
12 10 1                    2201.7
15 14 1                    2192.6
13  5 1                    2190.1
 9  4 1                    2185.3
15 11 1                    2193.1

train_set <- data.frame(y1 = train$oil_cumulative_production,x1 = train$i,x2 = train$j)
f <- function(x1,x2) { lmNp <- lm(y1 ~ x1 + x2,data = train_set)}
GA <- ga(type = "real-valued",fitness = function(x) f(x[1],x[2]),lower = c(1,1),upper = c(20,20),popSize = 50,maxiter = 100,optim = TRUE)

有什么想法吗？

解决方法

如果要最大化'oil_cumulative_production'，请首先训练您的回归模型，然后通过说线性模型使用x1和x2做出的预测就是您要最大化的模型。

这是代码：

library(GA)
#> Loading required package: foreach
#> Loading required package: iterators
#> Package 'GA' version 3.2
#> Type 'citation("GA")' for citing this R package in publications.
#> 
#> Attaching package: 'GA'
#> The following object is masked from 'package:utils':
#> 
#>     de

train <- readr::read_table("i   j    k  oil_cumulative_production
12 10   1                    2201.7
15 14   1                    2192.6
13  5   1                    2190.1
9  4    1                    2185.3
15 11   1                    2193.1")

train_set <- data.frame(y1 = train$oil_cumulative_production,x1 = train$i,x2 = train$j)
lmNp <- lm(y1 ~ x1 + x2,data = train_set)
f <- function(x) {
    df4pred <- data.frame(x1 = x[1],x2 = x[2])
    predict(lmNp,df4pred)
}
GA <- ga(type = "real-valued",fitness = f,lower = c(1,1),upper = c(20,20),popSize = 50,maxiter = 100,optim = TRUE)
plot(GA)

GA@solution
#>      x1 x2
#> [1,]  1 20
GA@fitnessValue
#> [1] 2210.604

genetic-algorithm optimization optimization r r