小编Har*_*uin的帖子

我最近从matlab切换到R,我想运行一个优化方案.

在matlab中,我能够:

options = optimset('GradObj', 'on', 'MaxIter', 400);
[theta, cost] = fminunc(@(t)(costFunction(t, X, y)), initial_theta, options);

这相当于costFunctionReg(这里我称之为logisticRegressionCost)

logisticRegressionCost <- function(theta, X, y) {
    J = 0;
    theta = as.matrix(theta);
    X = as.matrix(X);
    y = as.matrix(y);   

    rows = dim(theta)[2];
    cols = dim(theta)[1];
    grad = matrix(0, rows, cols);

    predicted = sigmoid(X %*% theta);
    J = (-y) * log(predicted) - (1 - y) * log(1 - predicted);

    J = sum(J) / dim(y)[1];

    grad = t(predicted - y);
    grad = grad %*% X;
    grad …

当按多个条件分组时，我想保留空组（使用默认值，如 NA 或 0）。

dt = data.table(user = c("A", "A", "B"), date = c("t1", "t2", "t1"), duration = c(1, 2, 1))
dt[, .("total" = sum(duration)), by = .(date, user)]

结果：

   date user total
1:   t1    A     1
2:   t2    A     2
3:   t1    B     1

想要的结果：

   date user total
1:   t1    A     1
2:   t2    A     2
3:   t1    B     1
3:   t2    B    NA

一种解决方案可能是在分组之前添加具有 0 个值的行，但它需要创建许多列的笛卡尔乘积并手动检查该组合是否已存在值，但我更喜欢内置/更简单的值。