Проблема передачи по значению (даже с копией) в R

Question

В R аргументы передаются по значению, поэтому нам не нужно ничего копировать - мы уверены, что функции не будут изменять аргументы, которые мы им передаем. И у меня странная проблема с этим. В моей функции KNN я настраиваю параметр k: я передаю аргументы функции cross_validate , которая вызывает функцию KNN ; Я делаю это в цикле и выбираю лучший параметр. Проблема в том, что я получаю ошибку с исходным аргументом после перекрестной проверки: "object 'original_training_set' not found".

if (is.data.frame(training_set))
{
  original_training_set <- data.table::copy(training_set)
  training_set <- data.matrix(training_set)
}
else
{
  if (!is.matrix(training_set))
    stop("training_set must be data frame or matrix")
}

print(original_training_set) # here everything's all right

if (is.numeric(k) && k < 1)
{ stop("k must be >= 1") }
else if (k == "all")
{ k <- nrow(training_set) }
else if (is.numeric(k))
{ k <- min(k, ncol(training_set)) }
else if (k == "best_fit")
{
  best_k <- 0
  best_perc <- 0
  source("./source./test.R")

  for (i in 1:as.integer(sqrt(nrow(training_set))))
  {
    perc <- cross_validate(training_set, 5, predict_param, i, metric, weighting_scheme)
    if (perc > best_perc)
    {
      best_k <- i
      best_perc <- perc
    }
  }

  perc <- cross_validate(training_set, 5, predict_param, "all", metric, weighting_scheme)
  if (perc > best_perc)
    best_k <- nrow(training_set)

  k <- best_k
}
else
{ stop('k must be one of: numeric, "all", "best_fit"') }

print(original_training_set) # here I get an error

Функция cross_validate возвращает только процент хорошо предсказанных значений, поэтому не будет обновлять матрицу. Первая печать работает нормально, со второй я получаю сообщение об ошибке. Я абсолютно не знаю, почему, поскольку передача по значению должна защищать меня от любых нежелательных изменений. Я даже скопировал ** training_set (** я раньше этого не делал), но получил те же результаты.

EDIT Содержание теста. R:

cross_validate <- function(dataset, parts, predict_param, k="all", metric="hassanat", weighting_scheme="inverted")
{
  percentages <- vector(length=parts)
  part_size <- round(nrow(dataset) / parts)
  res <- NULL
  for (i in 1:parts)
  {
    if (i != parts)
    {
      left <- (i - 1) * part_size + 1
      right<- i * part_size
      predict_set <- dataset[left:right,]
      training_set <- dataset[-(left:right),]
    }
    else
    {
      left <- (i - 1) * part_size + 1
      right <- nrow(dataset)
      predict_set <- dataset[left:right,]
      training_set <- dataset[-(left:right),]
    }

    source("./source./main.R")
    predicted_set <- knn(training_set, predict_set, predict_param, k, metric, weighting_scheme)
    res <- rbind(res, data.frame(predicted_set))

    percentages[i] <- round(100*sum(predict_set[, predict_param] == predicted_set[, predict_param]) / nrow(predict_set), digits=3)
  }

  write.table(res, file="./results.csv", row.names=FALSE, col.names=FALSE, sep=",", quote=FALSE)
  mean(percentages)
}

Наименьший воспроизводимый пример не может быть предоставлен, так как мне пришлось бы загружать весь проект (файлы довольно длинные и взаимосвязанные). Все, что я использую до момента ошибки, находится в коде выше. Я просто использую:

mydata <- iris
perc <- cross_validate(mydata, 5, 1, k="best_fit")