我正在尝试在同一数据上测试不同回归/分类算法（即svm，nnet，rpart，randomForest，naiveBayes等）的结果，以查看哪种效果更好。但是我需要使我的代码尽可能简短。为了测试所有算法，我想使用包mclapply()的单个multicore调用来运行它们：
invisible(lapply(c("party","nnet","caret","klaR","randomForest","e1071","rpart",
"multicore"), require, character.only = T))
algorithms <- c(knn3, NaiveBayes, nnet, ctree, randomForest, svm, naiveBayes, rpart)
data(iris)
model <- mclapply(algorithms, function(alg) alg(Species ~ ., iris))
问题在于某些算法需要额外的参数，即
nnet()需要设置参数size。当然可以通过几个if,else命令解决此问题，但是有没有更简单的解决方案？ 最佳答案
您可以做的一件事是将algorithms中需要附加参数的部分替换为部分函数，例如
algorithms <- c(knn3, ctree, function(...) nnet(..., size=2))