在R中使用数据掩码计算最大似然表达式

我试图使用数据掩码计算最大似然表达式。其思想是允许在函数中按名称调用参数和变量，同时避免多次调用

attach（）

和

detach（）

。这是一个非常简单的小示例，实际函数非常大和复杂

set.seed(1)

# Data
db <- data.frame(
  x = runif(10),
  y = runif(10),
  z = sample(c(0, 1), 10, replace = TRUE)
)

# Log likelihood function
ll_lik <- function(param) {
  pr_1 <- 1 / (1 + exp(-(param[1]*x - param[2]*y)))
  pr_2 <- 1 - pr_1
  lik <- z * pr_1 + (1 - z) * pr_2
  log(lik)
}

# Parameters
param <- c(p1 = 0.1, p2 = 0.2)

# Run the model with attach()/detach()
attach(db)
model <- maxLik::maxLik(ll_lik, start = param)
detach(db)
summary(model)

它无法访问数据掩码中的对象（

fnOrig（θ，…）中的错误：未找到对象“x”

）。也许问题出在

maxLik

，但我甚至无法评估

ll_-lik（）

，这会产生相同的错误：

eval_tidy(quo(ll_lik(param)), mask)

但这是可行的：

eval_tidy(quo(x*3), mask)

因此，我开始怀疑

ll_lik（）

具有“错误”的父级，这就是为什么我的数据掩码可能不在函数的搜索路径中，因此它无法找到变量。现在，as_data_mask（）的帮助部分提供了一些示例，说明如何通过创建顶级、中级和底层环境来“嵌套”环境。好的，让我们看看我是否可以创建我的函数作为数据掩码结构的一部分：

call_stack <- function() {lobstr::cst()}

# Create a new environment (child of empty) that takes a list of objects to populate it
top <- new_environment(list(ll_lik = ll_lik, call_stack = call_stack))

# Create a child of the "top" environment"
middle <- env(top)

# Create a child of the "middle environment and add the data object to it
bottom <- env(middle, db=db)

# Create a data_mask where the bottom contains the masking elements and the top
# the last element of the data_mask.
new_mask <- new_data_mask(bottom, top = top)

事实上，如果我读对了，函数的父函数是全局环境

    █
 1. ├─rlang::eval_tidy(call_stack(), data = new_mask)
 2. └─global::call_stack()
 3.   └─lobstr::cst()

然而，我对如何使这项工作起作用感到困惑。非常感谢您的帮助

---

BONOUS：如果我能够在

maxLik

中按名称调用参数，而不调用

attach（）

/

detach（）

，那就太棒了

一个选项是创建一个包装器，以

db

作为上下文，将

ll_lik

的主体作为表达式进行计算：

llwrap <- function(param) {
  eval( body(ll_lik), db )
}

model <- maxLik::maxLik(llwrap, start=param)      # Works

---

你好我不是

datamasks

方面的专家，因此我无法评论如何使用这种方法访问

db

中的对象，但我只是想知道一个（可能是愚蠢的）问题。我在

maxLik

函数的帮助页面上读到以下句子：“…：[…]优化器未使用的参数被转发到

logLik

、

grad

和

hess

”。我认为您可以使用参数

x

、

y

和

z

定义

ll_lik

函数，然后使用

db$x

或使用

with

函数传递相应的值。如果你愿意，我可以用这种方法提供更详细的答案。是的，

attach（）

的使用是为了避免将

db$

放在所有变量前面（在某些情况下有很多变量）。我想在遇到类似问题之前，我已经尝试过使用

with（）

函数。如果我正确理解

with（）

，它的功能确实类似于数据掩码，但数据掩码可以包含数据、函数和您可能希望在log函数中访问的其他对象。我可能也误解了这一点。很有趣。我不知道

body（）

。这种方法是否也可以扩展以允许按名称调用

param

的元素，而不是

param[1]

、

param[2]

等？非常感谢您提供最新的答案。这无疑是朝着正确方向迈出的一步。我将在更大的代码上下文中稍微研究一下您的解决方案，看看它是如何工作的。干杯。@user63230:从技术上讲，这是在创造一个环境

eval（）

将把作为第二个参数提供的列表转换为一个环境，在该环境中计算第一个参数（表达式）。这个答案中的eval模式基本上只是一个复杂的

with（）

。考虑<代码>（MTCAS，MPG*CYL）< /代码>。通过将表达式存储在变量

e中，所以它只是用于变量屏蔽，类似于
mutate
so。。。。我关于创建环境的意思是，您不必显式地创建一个环境。例如，在表达式求值的上下文中，您可以认为列表、数据帧和环境是可互换的。所以，是的，这是真的：我们没有显式地调用
new.env（）
。但是，我们显式地使用
c（as.list（db）、as.list（param））
创建一个列表，然后通过
eval（）
隐式地将其转换为一个环境。
    █
 1. ├─rlang::eval_tidy(call_stack(), data = new_mask)
 2. └─global::call_stack()
 3.   └─lobstr::cst()

llwrap <- function(param) {
  eval( body(ll_lik), db )
}

model <- maxLik::maxLik(llwrap, start=param)      # Works

ll_expr <- rlang::expr({                       # An expression, not a function
  pr_1 <- 1 / (1 + exp(-(p1*x - p2*y)))        # <-- now using p1, p2
  pr_2 <- 1 - pr_1
  lik <- z * pr_1 + (1 - z) * pr_2
  log(lik)
})

llwrap2 <- function(param) {
  ctx <- c( as.list(db), as.list(param) )      # Combine param and db into one context
  eval( ll_expr, ctx )                         # No longer need body()
}

model <- maxLik::maxLik(llwrap2, start=param)  # Works