Załóżmy, że istnieje jakaś data.frame foo_data_frame i chcemy znaleźć regresję kolumny docelowej Y przez inne kolumny. W tym celu zwykle używa się wzoru i modelu. Na przykład:
linear_model <- lm(Y ~ FACTOR_NAME_1 + FACTOR_NAME_2, foo_data_frame)
Działa to dobrze, jeśli formuła jest kodowana statycznie. Jeśli chcemy zakorzenić się w kilku modelach ze stałą liczbą zmiennych zależnych (powiedzmy 2), można to potraktować w ten sposób:
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...
}
}
Moje pytanie brzmi, jak to samo wpływa na to, że liczba zmiennych zmienia się dynamicznie podczas działania programu?
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?)
}
}