r - 如何在 "modelerData"节点中正确制作 "modelerDataModel"和 "Extension Transform (R syntax)"添加多个列

Question

我使用 SPSS 建模器 v18.2.1 和 R v3.5.1(或 v3.3.3)使用
Essentials for R 18.2.1 .

我正在尝试制作“扩展转换(R 语法)”节点来处理 SPSS 难以处理的一些问题( future :使它们成为扩展包)。我希望他们添加多个列，创建新数据等并给出下一个节点 data.frame .但是data.frame被 SPSS 节点错误识别(即，下一个表节点的输出与 print(modelerData) 的控制台输出不同)。
怎么做 ？ (或者这是一个错误？)

任何帮助将不胜感激。下面是一个可重现的简单示例；

[准备R env和数据(请用纯R做)]

# if not installed 
install.packages(randomForest)

set.seed(1)  # to reproduce
write.csv(iris[sort(sample(1:150, 100)), ], "iris_train_seed1.csv", row.names = FALSE)

【我的节点流程】


【扩展变换的R代码】

### library ###
library(randomForest)

# make_model
set.seed(1)
modelerModel <- randomForest(formula = Species ~ . ,
                             data = modelerData,
                             ntree = 100)

#### predict
pred_forest <- data.frame(pred = predict(modelerModel, 
                                         newdata = modelerData))
prob_forest <- as.data.frame(predict(modelerModel, 
                                     newdata = modelerData,
                                     type = "prob"))


# overwriting modelerData
modelerData <- cbind(modelerData, pred_forest, prob_forest)

# function definition to make modelerDataModel 
getMetaData <- function (data) {
  if (dim(data)[1]<=0) {
    print("Warning : modelerData has no line, all fieldStorage fields set to strings")
    getStorage <- function(x){return("string")}
  } else {
    getStorage <- function(x) {
      res <- NULL
      #if x is a factor, typeof will return an integer so we treat the case on the side
      if(is.factor(x)) {
        res <- "string"
      } else {
        res <- switch(typeof(unlist(x)),
                      integer = "integer",
                      #  integer = "real",      
                      double = "real",
                      character = "string",
                      "string")
      }
      return (res)
    }
  }
  col = vector("list", dim(data)[2])
  for (i in 1:dim(data)[2]) {
    col[[i]] <- c(fieldName=names(data[i]),
                  fieldLabel="",
                  fieldStorage=getStorage(data[[i]]), 
                  fieldMeasure="",
                  fieldFormat="",
                  fieldRole="")
  }
  mdm<-do.call(cbind,col)
  mdm<-data.frame(mdm)
  return(mdm)
}

# overwriting modelerDataModel
modelerDataModel <- getMetaData(modelerData)

# to check
print(dim(modelerData))
print(head(modelerData))
print(dim(modelerDataModel))
print(modelerDataModel)

[“要检查”部分的控制台输出(print(modelerData) 是我想要的表节点输出)]

# print(dim(modelerData))
[1] 100   9

# print(head(modelerData))
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species   pred setosa
1          4.9         3.0          1.4         0.2  setosa setosa      1
2          4.7         3.2          1.3         0.2  setosa setosa      1
3          5.0         3.6          1.4         0.2  setosa setosa      1
4          5.4         3.9          1.7         0.4  setosa setosa      1
5          4.6         3.4          1.4         0.3  setosa setosa      1
6          5.0         3.4          1.5         0.2  setosa setosa      1
  versicolor virginica
1          0         0
2          0         0
3          0         0
4          0         0
5          0         0
6          0         0

# print(dim(modelerDataModel))
[1] 6 9

# print(modelerDataModel)
                       X1          X2           X3          X4      X5     X6
fieldName    Sepal.Length Sepal.Width Petal.Length Petal.Width Species   pred
fieldLabel                                                                   
fieldStorage         real        real         real        real  string string
fieldMeasure                                                                 
fieldFormat                                                                  
fieldRole                                                                    
                 X7         X8        X9
fieldName    setosa versicolor virginica
fieldLabel                              
fieldStorage   real       real      real
fieldMeasure                            
fieldFormat                             
fieldRole  

[表节点的输出(为什么 11cols 是？？？)]

Answer 1

这可能是因为您的 Species和 pred列的类型为 factor不是 character并查看 SPSS 节点文档，它们没有 factor 的类型.. 自 factor有两个级别.. 输出表节点上的额外 2 列可能表示这两个列的因子级别，因为它试图强制转换为字符串。您需要它们作为 predict 的因子类型函数在脚本的开头，但在导出表节点之前尝试:

modelerData[] <- lapply(modelerData, function(x) if (is.factor(x)) as.character(x) else {x})

我没有 SPSS 能够测试这个理论，但希望这能解决你的问题或让你更接近一点。