R循环和data.frame

Question

部分代码为

sse <-c()                         
k <- c()    

for (i in seq(3, 15, 1)) {                        

  y_pred <-knn(train = newdata.training, test = newdata.test,
               cl = newdata.trainLabels, k=i)

  pred_y <- as.numeric(levels(y_pred)[y_pred])            
  sse[i] <- sum((newdata.trainLabels-pred_y)^2)   

  k[i] <- i                                
}

pred_y 是每个 i 的列。我想创建一个包含所有 13 列的数据框。可以使用 for 循环来完成吗？否则如何实现？我需要建议。

Answer 1

您可以使用 foreach，它具有额外的优势，即如果您的 CPU 中有多个内核，它可以并行运行。这是非并行代码:

library("iterators")
library("foreach")
library("FNN")

data(iris3)
newdata.training <- rbind(iris3[1:25,,1], iris3[1:25,,2], iris3[1:25,,3])
newdata.test <- rbind(iris3[26:50,,1], iris3[26:50,,2], iris3[26:50,,3])
newdata.trainlabels <- factor(c(rep(1,25), rep(2,25), rep(3,25)))

k.values = seq(3, 15, 1)
start = 2  # to index sse array using k.values
sse = numeric(length = length(k.values))
results = foreach(i = iter(k.values),.combine = cbind) %do%
{
  y_pred <-knn(train = newdata.training, test = newdata.test,
               cl = newdata.trainlabels, k=i, prob = TRUE)

  pred_y <- as.numeric(levels(y_pred)[y_pred])            
  sse[i - start] <- sum((as.numeric(newdata.trainlabels)-pred_y)^2) 
  pred_y 
}

results1 = data.frame(results)
colnames(results1) = k.values

这是并行版本:

# Parallel version
library("iterators")
library("foreach")
library("parallel")
library("doParallel")
library("FNN")


data(iris3)
newdata.training <- rbind(iris3[1:25,,1], iris3[1:25,,2], iris3[1:25,,3])
newdata.test <- rbind(iris3[26:50,,1], iris3[26:50,,2], iris3[26:50,,3])
newdata.trainlabels <- factor(c(rep(1,25), rep(2,25), rep(3,25)))

num.cores = detectCores()
clusters <- makeCluster(num.cores)
registerDoParallel(clusters)
k.values = seq(3, 15, 1)
start = 2  # to index sse array using k.values
sse = numeric(length = length(k.values))
results = foreach(i = iter(k.values),.combine = cbind, .packages=c("FNN")) %dopar%
{
  y_pred <-knn(train = newdata.training, test = newdata.test,
               cl = newdata.trainlabels, k=i, prob = TRUE)

  pred_y <- as.numeric(levels(y_pred)[y_pred])            
  sse[i - start] <- sum((as.numeric(newdata.trainlabels)-pred_y)^2) 
  pred_y 
}

results1 = data.frame(results)
colnames(results1) = k.values
stopCluster(clusters)

非并行代码和并行代码之间只有一些区别。首先，需要加载额外的库。其次，您需要创建并注册将执行并行计算的集群(并在完成后停止集群)。第三，foreach 使用%dopar% 中缀运算符而不是%do%。第四，foreach 函数需要.packages 参数将KNN 传递给每个集群。