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: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,r,R,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/D
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