R 将不同数据集上的几种分类算法的输出制成表格的函数

我正在尝试编写一个函数，该函数生成汇总表中不同数据集上的多个分类算法的输出。我正在使用插入符号包

我将尝试浏览到目前为止我掌握的不同代码位：

library(foreign)  ## Get a concacated list of files is working directry
f<-c(dir())

##  create and view an object with file names and full paths
file<-file.path("C:/Users/Documents/Datasets",c (f))

# use a loop to read all of these files from my working directry
dlist<-lapply(file,read.table,header=TRUE,sep="\t")
lapply(d, names)

对于可再现的示例，将使用

iris

数据集；对于培训和测试：

pca.train<-iris;  pca.test<-iris

从每对数据集和每种方法中，我想在一个表中获得

敏感性

、

特异性

和

Pos Pred

。。。我假设

cbind

，但我不确定如何获得标签来反映分类方法和使用的数据集。因此，有些东西的效果是：

pca_LDA_Sensitivity  pca_lda_Specifi   pca_lda_PosPred pca_ANN_Sensistivity svm_LDA_Sensitivity.....
      1                        1              1                      .98

然后，我需要相同的（很可能是一个单独的表）精度和Kappa值，通过

lda.conf$total

访问

为了安全起见，我可能需要每个方法的每对数据集的单个混淆矩阵（

lda.conf$table

）

最后，我想创建一个列表，列出

train

函数的所有结果

---

我不知道如何继续实现一个函数来完成上述操作。我知道这个问题很长，但我希望得到任何帮助

我一直在解决一个类似的问题，我所做的是使用sink将结果写入多个文件，并以不同的细节级别将图形写入pdf文件。我建立了一个文件夹结构，在第一个文件夹（混淆矩阵和roc曲线）中包含关键内容，然后在子文件夹中包含更多详细信息。所以在我的设置中，我首先用插入符号训练我的模型，然后有一段代码逐个运行模型并挑选细节。我只是手动输入了这段代码，因为我认为不值得尝试将其自动化。

谢谢Kharoof，我想我将不得不采用老式的方式。

> lda.conf$byClass
 Sensitivity Specificity Pos Pred Value Neg Pred Value Prevalence       Detection Rate   Detection Prevalence
Class: setosa            1.00        1.00      1.0000000       1.000000  0.3333333        0.3333333            0.3333333
Class: versicolor        0.96        0.99      0.9795918       0.980198  0.3333333      0.3200000            0.3266667
Class: virginica         0.98        0.98      0.9607843       0.989899  0.3333333      0.3266667            0.3400000

pca_LDA_Sensitivity  pca_lda_Specifi   pca_lda_PosPred pca_ANN_Sensistivity svm_LDA_Sensitivity.....
      1                        1              1                      .98