R语言循环调用全局环境数据集训练随机森林报错解决方法

• R不会自动解析变量名中的循环标识：直接写train_data_i时，程序会全局搜索名称完全为train_data_i的对象，不会自动将循环变量i的数值替换到变量名中，这是触发找不到对象报错的直接原因
• 原代码循环范围设置错误：实际仅存在train_data_1到train_data_5共5个训练集，原代码写1:100会在i>5时触发索引错误
• 手动累加预测结果的写法扩展性差，当训练模型数量变化时需要逐行修改代码，容易出错

library(randomForest)

# 初始化存储结构
results <- list()  # 存储训练好的随机森林模型
results2 <- list() # 存储每个模型的概率预测结果

# 循环范围匹配实际训练集数量，当前为5个训练集
for (i in 1:5) {
  # 动态拼接训练集变量名，通过get()获取对应数据集对象
  train_set <- get(paste0("train_data_", i))
  # 训练随机森林模型
  rf_model <- randomForest(class ~ ., data = train_set)
  # 输出测试集概率预测结果
  pred_prob <- predict(rf_model, test_data, type = "prob")
  # 将结果存入对应列表
  results[[i]] <- rf_model
  results2[[i]] <- pred_prob
}

# 自动计算所有模型的平均预测概率，无需手动逐个累加
avg_prob <- Reduce("+", results2) / length(results2)
# 整理为最终预测数据集
final_data <- as.data.frame(avg_prob)
colnames(final_data) <- c("final_predictions_class_0", "final_predictions_class_1")

• paste0("train_data_", i)会在每次循环时生成对应训练集的名称字符串，i=1时生成"train_data_1"，搭配get()函数即可从全局环境中准确取出对应的数据集，解决对象找不到的报错
• 预测结果汇总部分使用Reduce("+", results2)实现列表内所有预测矩阵的逐元素累加，除以模型总数后直接得到平均概率，后续如果增减训练模型数量，仅需修改循环的数值范围即可，这部分汇总代码无需任何修改，适配性更强
• 最终输出的final_data结构和手动计算的结果完全一致，两列分别对应类别0、类别1的平均预测概率
• 存储列表results、results2的结构和原设计完全一致，可按需调取单个模型或单份预测结果做后续分析

内容的提问来源于stack exchange，提问作者stats_noob