R语言如何嵌套使用map函数批量生成多模型多数据集混淆矩阵

解决方案 #

你可以通过purrr的嵌套map语法实现需求，核心逻辑是外层遍历所有数据集，内层遍历所有模型，分别将当前遍历到的模型和数据集传入你写的ConfMat函数即可。

最简写法（purrr公式语法） #

library(purrr)

conf_mat_list <- map(data_list, ~ map(model_fits, ConfMat, data = .x))

参数对应说明：

• 外层map遍历data_list的每个元素，用.x指代当前遍历到的数据集，对应你原写法的y参数
• 内层map遍历model_fits的每个元素，作为第一个参数传入ConfMat，对应你原写法的x参数（即模型对象）

返回结果的列表层级和你输入的列表顺序完全对应：第一层是train/test的结果，第二层是对应数据集下tree/forest/xgb的混淆矩阵。

如果需要按名称快速提取结果，可以先给两个列表命名后再计算：

# 给列表元素增加命名
names(data_list) <- c("train", "test")
names(model_fits) <- c("tree", "forest", "xgb")

conf_mat_list <- map(data_list, ~ map(model_fits, ConfMat, data = .x))

# 示例：直接提取测试集下XGBoost的混淆矩阵
conf_mat_list$test$xgb

等价显式匿名函数写法（可读性更高） #

如果对purrr的公式语法不熟悉，可以用常规匿名函数写法，逻辑完全一致：

conf_mat_list <- map(data_list, function(current_data) {
  map(model_fits, function(current_model) {
    ConfMat(df = current_model, data = current_data)
  })
})

内容的提问来源于stack exchange，提问作者MariusJ