Как использовать этот сценарий в качестве dplyr?

Question

Во время работы с predict.knn3 я столкнулся с интересным вариантом использования data-wrangling-ish. Я не знал, что могу вызвать предикат, используя аргумент type="class", чтобы получить прогнозируемые уровни, именно то, что мне нужно. Поэтому я разработал несколько сложное решение, чтобы выбрать из каждой строки результатов predict(), уровень с максимальной вероятностью. Проблема была в том, что функция names не работала в «векторизованной» форме с матрицей, а только с векторами.

Чтобы проиллюстрировать сценарий использования до и после выяснения аргумента type="class":

rm(list = ls())
library(caret)
library(tidyverse)
library(dslabs)

data("tissue_gene_expression")
x <- tissue_gene_expression$x
y <- tissue_gene_expression$y

set.seed(1)
test_index <- createDataPartition(y, times = 1, p = 0.5, list = FALSE)
test_x <- x[test_index,]
test_y <- y[test_index]
train_x <- x[-test_index,]
train_y <- y[-test_index]

# fit the model, predict without type="class" and use sapply to build the y_hat levels
fit <- knn3(train_x, train_y, k = 1)
pred <- predict(fit, test_x)
y_hat <- sapply(1:nrow(pred), function(i) as.factor(names(pred[i,which.max(pred[i,])])))

# compare it to the solution using predict with type="class"
identical(y_hat, as.factor(predict(fit, test_x, type="class")))
[1] TRUE

Чтобы проиллюстрировать проблему, я могу сделать следующее: посмотрите, что функция names, работающая с вектором именованных числовых элементов, дает желаемый результат, тогда как с матрицей произойдет сбой с выводом NULL:

names(pred[1, which.max(pred[1,])])
[1] "cerebellum"
names(pred[1:2, which.max(pred[1:2,])])
NULL

Предполагая, что вы не знаете об этом удобном type="class" в функции predict.knn3;Есть ли более простой способ, используя tidyverse и dplyr, чтобы заменить это sapply? Или какой-нибудь другой более простой способ реализовать этот вариант использования?

y_hat <- sapply(1:nrow(pred), function(i) as.factor(names(pred[i, which.max(pred[i,])])))

Мне нужно что-то вроде следующего, но это не работает:

as_tibble(predict(fit, test_x)) %>% mutate(y_hat=names(which.max(.[row_number(),])))

Answer 1

Операции над строками могут быть немного запутанными с dplyr Я считаю. Это должно работать, хотя. Предположим, это не самый эффективный в вычислительном отношении.

solution <- as_tibble(predict(fit, test_x)) %>%
  rowwise() %>%
  do(as.data.frame(.) %>%
       mutate(., y_hat = names(.)[which.max(select(., everything()))])
  )

solution %>%
  slice(18:22)

# A tibble: 5 x 8
  cerebellum colon endometrium hippocampus kidney liver placenta y_hat     
       <dbl> <dbl>       <dbl>       <dbl>  <dbl> <dbl>    <dbl> <chr>     
1          1     0           0           0      0     0        0 cerebellum
2          1     0           0           0      0     0        0 cerebellum
3          0     1           0           0      0     0        0 colon     
4          0     1           0           0      0     0        0 colon     
5          0     1           0           0      0     0        0 colon

Answer 2

Поскольку прогнозы представляют собой матрицу, вы можете напрямую применить which.max к каждой строке.

pred <- predict(fit, test_x)
labels <- colnames(pred)
labels[apply(pred, 1, which.max)]

Answer 3

См. ?max.col:

colnames(pred)[max.col(pred)]

#or dplyr

library (dplyr)

pred%>%
  as_tibble()%>%
  mutate(y_hat = names(.)[max.col(.)])

Answer 4

Я должен использовать melt, чтобы получить матрицу в длинном формате:

library(reshape2)
melt(pred) %>% 
    group_by(Var1) %>% 
    top_n(1,wt=value) %>% pull(Var2)