如何将数据框列表传入R的svm_class函数并批量计算误分类率？

核心思路 #

使用R的列表遍历工具（基础R的lapply或purrr包的map），对resampling返回的数据框列表逐个调用svm_class函数，收集所有误分类率结果。

步骤1：生成重采样数据列表 #

先调用你的resampling函数生成目标数据列表（替换your_data_frame为实际数据框）：

# 示例：生成10个包含100行的重采样数据框
sample_list <- resampling(n = 100, N = 10, rep = TRUE, db = your_data_frame)

步骤2：应用SVM分类函数到列表每个元素 #

方法1：基础R的lapply

定义SVM分类公式后，用匿名函数传递参数给svm_class：

# 定义分类公式（替换y为你的因变量，.代表其余所有自变量）
svm_form <- y ~ .

# 遍历列表，计算每个样本的误分类率
misrate_results <- lapply(sample_list, function(df) {
  svm_class(form = svm_form, db = df)
})

方法2：purrr包的map（更简洁）

如果你习惯用tidyverse工具，purrr::map可以简化代码：

library(purrr)

# 同样传入公式，map会自动将列表元素作为第二个参数传递给svm_class
misrate_results <- map(sample_list, svm_class, form = svm_form)

可选优化：移除重采样添加的id_sample列 #

resampling函数会给数据框添加id_sample列，若该列不属于你的建模变量，建议在调用svm_class前移除，避免干扰模型：

# 遍历列表，移除id_sample列
sample_list_cleaned <- lapply(sample_list, function(df) {
  df[, !names(df) %in% "id_sample"]
})

# 再用清理后的列表计算误分类率
misrate_results <- lapply(sample_list_cleaned, function(df) {
  svm_class(form = svm_form, db = df)
})

内容的提问来源于stack exchange，提问作者Francisco