R 变量名称包含分号

Question

我有一个数据框。许多变量的名称如下：

/messages/with/:userid/
/:id/

我使用以下方法读取数据：

read.csv(file="file-path", header=TRUE,
           sep=",", check.names = F)

以便保留原始名称（通过使用 check.names = F）。我使用 rpart 从数据中训练决策树模型，然后尝试使用以下方法将树模型保存为 pmml 格式：

saveXML(pmml(dt.model, model.name = "DecisionTree_Model",
         app.name = "model_lr.pmml",
         description = "Decision Tree Model",
         unknownValue=0), "dt_model.pmml")

但是，这会导致以下错误：

Error in field$class[[field$name[i]]] : subscript out of bounds

我认为原因是，变量名包含 :，因此列索引被搞乱了。

我本可以用 check.names = T 读取数据，这样变量名称就会像这样：

X.messages.with..userid.   
X..id."

但是，因为我需要 pmml 文件的原始变量名，所以我想保持变量名不变。有什么办法可以解决这个问题吗？

Answer 1

pmml 包在内部非常不稳定 - 毕竟在 R 中进行 XML 操作并不是一个好主意。如果您对将 R 模型导出为 PMML 数据格式感兴趣，那么您可以尝试 r2pmml package。它是用 Java 编写的（因此不会受到 R 语言怪癖的影响）并且速度更快，功能更强大。

r2pmml 包的问题在于它还不支持 rpart::rpart 模型类型。因此，您的最佳选择似乎如下：

重命名 data.frame 列。将变量名称映射列表保存到文本文件中。
使用 pmml 包将 rpart 模型导出到 PMML 文件。
使用JPMML-Model library打开PMML文件并恢复原始变量名（基于上述映射文件）。 JPMML-Model 为此提供了特殊的 API（访客 class org.jpmml.model.visitors.FieldRenamer）。

R 变量名称包含分号

R Variable Name Contains Semicolon

string

variables

r

dataformat

pmml