我想使用 caret
包(每个对应 7 个响应变量)在 for 循环内训练多个模型。
我的 data.frame data
有 46 个预测变量(全部用于训练所有模型)和 7 个响应。
我尝试过一些 Rcode 但失败了:
models.list = list()
Ynames = names(data)[47:ncol(data)]
for(y in Ynames)
{
models.list[[y]] = train(as.name(y)~., subset(data,select=-Ynames[-y]),method="".....)
}
我的变量Ynames
包含所有响应。
每个模型必须使用单个响应变量进行训练。
因此,对于迭代 1,我们将针对 Ynames[1]
响应和所有 46 个预测变量训练模型,但有必要从数据集 data
中排除所有非第一响应变量(Ynames[-1]
)。
最佳答案
这可能是与您的示例相匹配的替代方案(使用 iris)。子集基于这篇文章:removing a list of columns from a data.frame using subset
models.list = list()
Ynames = names(iris)[3:ncol(iris)]
for(y in Ynames)
{
to.remove <- Ynames[!Ynames==y]
`%ni%` <- Negate(`%in%`)
models.list[[y]] = train(as.name(y)~., subset(iris,select = names(iris) %ni% to.remove),method="".....)
}
关于r - 如何在循环中训练多个模型,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43736986/