假设有一些数据.第foo_data_frame帧，其中一个希望找到目标列Y与其他一些列的回归.为此，通常使用一些公式和模型.例如:
linear_model <- lm(Y ~ FACTOR_NAME_1 + FACTOR_NAME_2, foo_data_frame)
如果公式是静态编码的，那就很好了.如果需要在多个因变量为常数的模型上求根(例如，2)，可以这样处理:
for (i in seq_len(factor_number)) {
for (j in seq(i + 1, factor_number)) {
linear_model <- lm(Y ~ F1 + F2, list(Y=foo_data_frame$Y,
F1=foo_data_frame[[i]],
F2=foo_data_frame[[j]]))
# linear_model further analyzing...
}
}
我的问题是，当程序运行期间变量的数量动态变化时，如何进行同样的影响？
for (number_of_factors in seq_len(5)) {
# Then root over subsets with #number_of_factors cardinality.
for (factors_subset in all_subsets_with_fixed_cardinality) {
# Here I want to fit model with factors from factors_subset.
linear_model <- lm(Does R provide smth to write here?)
}
}