如何在R中加载一个库，以便使用bert toolkit从Excel调用它？

Bert toolkit是一个很好的从Excel调用R函数的包。见：

我使用bert工具包从Excel VBA中调用R中包装器函数中的fitted neuralnet（avNNnet fitted with Caret）。这个运行得很好。这是在bert toolkit的包装函数中加载模型的代码：

    load("D:/my_model_avNNet.rda")

    neuraln <- function(x1,x2,x3){
    xx <- data.frame(x1,x2,x3)
    z <- predict(my_model_avNNET, xx)
    z
}

library(mgcv)
load("D:/gam_y_model.rda")

testfunction <- function(k1,k2){
  z <- predict(gam_y, data.frame(x = k1, x2 = k2))
  print (z)
}

load（“D:/my\u model\u avNNet.rda”）
neuralnR的一个特征是，用户调用相同的命名方法，如
predict
，但在内部运行不同的变量，如
predict.lm
，
predict.glm
，或
predict.gam
，具体取决于传入的模型对象。因此，在avNNet模型上调用
predict
与在gam模型上调用
predict
不同。类似地，正如函数因输入而改变一样，输出也会改变

根据MSDN文件，有关Excel错误的披露如下：

#VALUE
是Excel的说法，“公式的键入方式有问题，或者引用的单元格有问题。”

从根本上说，在看不到实际结果的情况下，Excel可能无法解释或转换为Excel范围或VBA类型。R从gam模型返回的结果，特别是当您描述R时，不会产生错误

例如，根据，标准的predict.lm的返回值为：

predict.lm
生成预测向量或预测矩阵

但是，根据，predict.gam的返回值有点细微差别：

如果
type==“lpmatrix”
则返回一个矩阵，当应用于模型系数向量时，该矩阵将给出所提供协变量值处的线性预测值向量（减去任何offest）。否则，如果
se.fit
为
TRUE
，则返回2项列表，其中包含包含预测和相关标准误差估计的项目（两个数组）
fit
和
se.fit
，否则返回预测数组。返回数组的维数取决于
类型
是否为
“项”
：如果是，则数组为二维，每个项在线性预测器中分开，否则数组为一维，并包含线性预测器/预测值（或相应的s.e.s.）。逐项返回的线性预测值不包括偏移量或截距

总的来说，考虑调整你的<代码>预测< /代码>调用，以给出易于Excel解释的数值向量，而不是Excel无法呈现的矩阵/数组或一些其他高维R类型：
testfunction <- function(k1,k2){
  z <- mgcv::predict.gam(gam_y, data.frame(x = k1, x2 = k2), type=="response")
  return(z)
}

testfunction <- function(k1,k2){
  z <- mgcv::predict.gam(gam_y, data.frame(x = k1, x2 = k2), type=="lpmatrix")
  return(z)
}

testfunction <- function(k1,k2){
  z <- mgcv::predict.gam(gam_y, data.frame(x = k1, x2 = k2), type=="linked")
  return(z$fit)   # NOTICE fit ELEMENT USED
}
...

testfunction您是否尝试过从mgcv显式调用predict.gam函数？在你的例子中：
z@FM Kerckhof谢谢你，好主意！我只是尝试了一下，尽管结果仍然是一样的（错误2015）。我想知道@user2165379：为什么在GAM的情况下，而不是在avNNnet的情况下，需要对预测进行
print（）
调用？我从R markdown的工作中看到，print（）调用有时会导致意外的结果。@fm kerckhof首先我在没有print（）的情况下使用了它。函数在R和Bert中不起作用。在R中，该功能可用于打印。它也可以在Bert控制台中工作。谢谢。
return（z）
？@Parfait非常感谢您的详尽回答！！问题的原因确实是predict.glm的返回对象（z）。这是一个“命名号码”。我添加了z真棒！很高兴听到这个消息，也很高兴能帮忙！再次感谢！我对这个解决方案和全面的解释感到非常高兴！啊哈！：-）你是说乌普沃廷？我没有意识到我可以！（我以为赏金是自动颁发的）
testfunction <- function(k1,k2){
  z <- mgcv::predict.gam(gam_y, data.frame(x = k1, x2 = k2), type=="response")
  return(z)
}

testfunction <- function(k1,k2){
  z <- mgcv::predict.gam(gam_y, data.frame(x = k1, x2 = k2), type=="lpmatrix")
  return(z)
}

testfunction <- function(k1,k2){
  z <- mgcv::predict.gam(gam_y, data.frame(x = k1, x2 = k2), type=="linked")
  return(z$fit)   # NOTICE fit ELEMENT USED
}
...