我正在比较R中的不同机器学习技术。情况就是这样：我做了几个函数，这些函数可以自动创建每个不同的预测模型（例如：逻辑回归，随机森林，神经网络，混合集成）。等），预测，混淆矩阵，一些统计信息（例如AUC和Fscore）以及不同的图。
现在，我想在R中创建一个S4（或S3？）对象的列表，其中每个对象都包含模型，预测，曲线图，混淆矩阵，auc和fscore。
想法是，每个函数都会创建此类对象，然后将其附加到return语句中的对象列表中。
我该如何编程此类课程？以及如何定义每个模型可以具有不同的类型（我假设我创建的所有模型都是S3对象，那么如何在我的S4类中定义它呢？
最终结果应该能够执行以下操作：例如，modelList [i] @plot应该召唤所请求的图。和names（modelList [i]）应该给出所使用模型的名称（如果不可能的话，请使用modelList [i] @name）。同样，应该有可能基于诸如AUC之类的参数从列表中选择最佳模型。我没有创建此类对象的经验，所以这是我目前的代码/想法：
modelObject <- setClass(
# Set the name for the class
"modelObject",
# Define the slots
slots = c(
modelName = "character"
model = #should contain a glm, neural network, random forest , etc model
predictions = #should contain a matrix or dataframe of custid and prediction
rocCurve = #when summoned, the ROC curve should be plotted
plotX = #when summoned, plot X should be plotted
AUC = "numeric" #contains the value of the AUC
confusionMatrix = "matrix" #prints the confusion matrix in the console
statX = "numeric"#contains statistic X about the confusion matrix e.g. Fscore
),
# Set the default values for the slots. (optional)
prototype=list(
# I guess i can assign NULL to each variable of the S4 object
),
# Make a function that can test to see if the data is consistent.
# This is not called if you have an initialize function defined!
validity=function(object)
{
#not really an idea how to handle this
}
return(TRUE)
}
)
我要做的是，针对modelObject班级中您想要的每个插槽，确定期望值的范围。例如，您的model插槽必须支持模型训练功能（例如lm（），glm（），nnet（）等）可以返回的所有可能的对象类别。在示例情况下，您看到返回以下对象：
```
x <- y <- 1:10
class(lm(x~y))
class(glm(x~y))
class(nnet(x~y, size=10))
```
由于返回的对象之间没有通用的类，因此使用S3可能更有意义，因为S3的语法不太严格，并且允许您将各种输出类分配给同一字段名称。考虑到R的无数OO系统有许多不同的方法，您的问题实际上很难回答。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句