具有动态变量数的公式

假设有一些data.frame foo_data_frame，有人想通过其他一些列来查找目标列Y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，那很好。如果希望从具有恒定数量因变量（例如2）的多个模型中扎根，可以将其视为：

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数动态变化时，如何产生相同的影响？

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?)
   }
}

参见?as.formula，例如：

factors <- c("factor1", "factor2")
as.formula(paste("y~", paste(factors, collapse="+")))
# y ~ factor1 + factor2

其中factors是一个字符向量，其中包含要在模型中使用的因子的名称。您可以将其粘贴到lm模型中，例如：

set.seed(0)
y <- rnorm(100)
factor1 <- rep(1:2, each=50)
factor2 <- rep(3:4, 50)
lm(as.formula(paste("y~", paste(factors, collapse="+"))))

# Call:
# lm(formula = as.formula(paste("y~", paste(factors, collapse = "+"))))

# Coefficients:
# (Intercept)      factor1      factor2  
#    0.542471    -0.002525    -0.147433

经常被遗忘的功能是reformulate。来自?reformulate：

reformulate 根据字符向量创建公式。

一个简单的例子：

listoffactors <- c("factor1","factor2")
reformulate(termlabels = listoffactors, response = 'y')

将得出以下公式：

y ~ factor1 + factor2

尽管没有明确记录，但您也可以添加交互条件：

listofintfactors <- c("(factor3","factor4)^2")
reformulate(termlabels = c(listoffactors, listofintfactors), 
    response = 'y')

将产生：

y ~ factor1 + factor2 + (factor3 + factor4)^2

另一种选择是在公式中使用矩阵：

Y = rnorm(10)
foo = matrix(rnorm(100),10,10)
factors=c(1,5,8)

lm(Y ~ foo[,factors])

您实际上不需要公式。这有效：

lm(data_frame[c("Y", "factor1", "factor2")])

就像这样：

v <- c("Y", "factor1", "factor2")
do.call("lm", list(bquote(data_frame[.(v)])))

通常，我可以通过更改响应列的名称来解决此问题。动态执行起来更容易，并且可能更简洁。

model_response <- "response_field_name"
setnames(model_data_train, c(model_response), "response") #if using data.table
model_gbm <- gbm(response ~ ., data=model_data_train, ...)