我目前正在处理一个问题。我正在为一些特定的发行版开发一个包,除其他外,我想创建一个适合某些数据混合的函数。为此,我想使用例如 fitdistr 函数。问题是我不知道混合物将由什么分布、重量和成分数量组成。因此,我需要一个函数来动态创建某些指定混合物的密度函数,以便 fitdistr 函数可以使用它。例如,如果用户将调用:
fitmix(data,dist=c(norm,chisq),params=list(c(mean=0,sd=3),df=2),wights=c(0.5,0.5))
要使用机器学习方法,代码需要创建密度函数
function(x,mean,sd,df) 0.5*dnorm(x,mean,sd)+0.5*dchisq(x,df)
因此它可以调用optim
或fitdistr
。
一个明显的解决方案是使用大量 paste
+eval
+parse
但我不认为这是最优雅的解决方案。一个好的解决方案可能隐藏在非标准评估和表达式操作中的某个地方,但我在这个问题上没有足够的技能。
附注参数可以用作优化器的起始值。
最佳答案
在 R 中使用 as.call
和 bquote
等函数构建表达式相对简单,而且函数是 R 中的第一类对象。使用动态签名构建函数有点棘手。这是一些可能有帮助的函数的传递
to_params <- function(l) {
z <- as.list(l)
setNames(lapply(names(z), function(x) bquote(args[[.(x)]])), names(z))
}
add_exprs <- function(...) {
x <- list(...)
Reduce(function(a,b) bquote(.(a) + .(b)), x)
}
get_densities <- function(f) {
lapply(paste0("d", f), as.name)
}
weight_expr <- function(w, e) {
bquote(.(w) * .(e))
}
add_params <- function(x, p) {
as.call(c(as.list(x), p))
}
call_with_x <- function(fn) {
as.call(list(fn, quote(x)))
}
fitmix <- function(data, dist, params, weights) {
fb <- Reduce( add_exprs, Map(function(d, p, w) {
weight_expr(w, add_params(call_with_x(d), to_params(p)))
}, get_densities(dist), params, weights))
f <- function(x, args) {}
body(f) <- fb
f
}
请注意,我更改了您的一些参数的类型。分布应该是字符串。参数应该是命名向量的列表。它适用于这样的调用
ff <- fitmix(data, dist=c("norm","chisq"), params=list(c(mean=0,sd=3),c(df=2)),
weights=c(0.5,0.5))
它返回一个接受 x
和命名参数列表的函数。你可以这样调用它
ff(0, list(mean=3, sd=2, df=2))
# [1] 0.2823794
返回的值与
相同x <- 0
0.5 * dnorm(x, mean = 3, sd = 2) + 0.5 * dchisq(x, df = 2)
# [1] 0.2823794
关于r - 动态创建函数和表达式,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42379020/