eval（parse（））中出错-r找不到参数输入

我对R非常陌生，这是我第一次遇到eval（）函数。因此，我尝试使用以下包中的

med

和

boot.med

函数：。我用它来进行调解分析

med

和

boot.med

采用线性模型和数据帧等模型，这些模型指定了中介体和预测因子，然后估计每个中介体的中介效果

该软件包的作者提供了灵活的选项，可以指定自己的

custom.function

。从

med

的源代码可以看出，

自定义.function

被传递给eval（）。因此，我尝试插入

gbmt

函数作为自定义函数。然而，R不断给我错误信息：在wrapup期间出错：必须提供用于预测的树的数量。我已经在线搜索了几天，并尝试了多种方法指定树的数量参数

n.trees

，但没有任何效果（我相信其他人也提出了类似的问题：，）

以下代码是

med

功能源代码的一部分：

cf1 = gsub("responseY", "y[,j]", custom.function[j])
cf1 = gsub("dataset123", "x2", cf1)
cf1 = gsub("weights123", "w", cf1)
full.model[[j]] <- eval(parse(text = cf1))

有人知道如何在上述代码的某个地方添加关于树数的参数吗

非常感谢

更新：要复制示例代码，请安装

mma

，然后尝试以下操作：

library("mma")

data("weight_behavior") ##binary x #binary y

x=weight_behavior[,c(2,4:14)] 
pred=weight_behavior[,3] 
y=weight_behavior[,15]

data.bin<-data.org(x,y,pred=pred,contmed=c(7:9,11:12),binmed=c(6,10), binref=c(1,1),catmed=5,catref=1,predref="M",alpha=0.4,alpha2=0.4) 

temp1<-med(data=data.bin,n=2) #or use self-defined final function

temp1<-med(data=data.bin,n=2, custom.function = 'glm(responseY~.,data=dataset123,family="quasibinomial",
weights=weights123)')

库（“mma”）
数据（“权重行为”）##二进制x#二进制y
x=重量_行为[，c（2,4:14）]
pred=重量和行为[3]
y=重量和行为[15]
data.bin是否在调用
med
函数的作用域中定义了
gbmt
？是否所有的
dist
和
start\u-stop
？有一个完整的、最少的例子来重现这个问题会有所帮助。（除此之外，在分析问题和发布相关信息方面做得很好。）事实上，我不认为您可以在
自定义函数中使用自定义对象。
：
med
不支持此功能，因为此函数的实现方式（顺便说一句，这很糟糕）。@Konrad Rudolphv:非常感谢您的及时回复
gbmt
未在调用
med
函数的作用域中定义。它是来自另一个R包的函数。但是，正如您从
mma
软件包作者给出的示例代码中所看到的，
glm
函数也是外部的，在
med
函数中未定义，但是示例代码是有效的…
glm
是“stats”软件包中的一个函数，它总是附加在一起。确保已加载并附加了
gbm3
软件包。也就是说，请注意我的第二条评论：
med
不支持在
custom.function
中使用其他对象。事实上，仅仅通过阅读您发布的代码，就连其他包也找不到了。另外请注意，由于未能修复错误，该软件包最近已从CRAN中删除。@Konrad Rudolph:这非常有用！我认为
mma
软件包的所有用户都应该收到您的信息。希望
自定义.功能
在未来得到进一步发展。
temp1 <- med(data = data.surv,n=2,type = "link",
                    custom.function = 'gbmt(responseY ~.,
                                       data = dataset123, 
                                       distribution = dist,
                                       train_params = start_stop, 
                                       cv_folds=10, 
                                       keep_gbm_data = TRUE, 
                                       )') 


library("mma")

data("weight_behavior") ##binary x #binary y

x=weight_behavior[,c(2,4:14)] 
pred=weight_behavior[,3] 
y=weight_behavior[,15]

data.bin<-data.org(x,y,pred=pred,contmed=c(7:9,11:12),binmed=c(6,10), binref=c(1,1),catmed=5,catref=1,predref="M",alpha=0.4,alpha2=0.4) 

temp1<-med(data=data.bin,n=2) #or use self-defined final function

temp1<-med(data=data.bin,n=2, custom.function = 'glm(responseY~.,data=dataset123,family="quasibinomial",
weights=weights123)')