如何将predict（）与newdata=var_i一起使用？

我处理的是一个大数据，我将其分为若干块，这样它就可以由ram管理，比如： （这是一个例子，我有更多的块）

var_1使用
get（）。下面是一个简单的例子：

x <- 1:100

x_1 <- x[1:50]
x_2 <- x[51:100]

for(i in 1:2){
  var <- sprintf('x_%i',i)
  print(sum(get(var)))
}


有关详细信息，请参见
？get
。
使用
get（）
执行此操作。下面是一个简单的例子：

x <- 1:100

x_1 <- x[1:50]
x_2 <- x[51:100]

for(i in 1:2){
  var <- sprintf('x_%i',i)
  print(sum(get(var)))
}


有关更多详细信息，请参见
？get
。
使用单独的环境来保存块，而不是使用
get
（虽然
get
是这里的简单答案，也是常见问题7.21的一部分），可能会更干净一些

可能对代码进行的修改：

myenv <- new.env()

for (i in 1:n_chunks) {
  name<-sprintf('var_%i',i); path<-sprintf('~/var_%i.Rdata',i)
  load(path, env=myenv)
  predicted     <- predict(Model, newdata =myenv[[name]], type = "prob")
  value         <- as.numeric(lapply(predicted,"[[",2))
  namef         <- sprintf('~/predicted%i.Rdata',i)
  save(value,file=namef)
  rm(list= ls(env=myenv), envir=myenv)
}

myenv使用单独的环境来保存块而不是使用
get
（虽然
get
是这里的简单答案，也是常见问题解答7.21的一部分），可能会更干净一些

可能对代码进行的修改：

myenv <- new.env()

for (i in 1:n_chunks) {
  name<-sprintf('var_%i',i); path<-sprintf('~/var_%i.Rdata',i)
  load(path, env=myenv)
  predicted     <- predict(Model, newdata =myenv[[name]], type = "prob")
  value         <- as.numeric(lapply(predicted,"[[",2))
  namef         <- sprintf('~/predicted%i.Rdata',i)
  save(value,file=namef)
  rm(list= ls(env=myenv), envir=myenv)
}

myenv使用
newdata=get（name）
-这可能行得通。很简单，谢谢它成功了：）使用
newdata=get（name）
-这可能行得通。很简单，谢谢它成功了：）
myenv <- new.env()

for (i in 1:n_chunks) {
  name<-sprintf('var_%i',i); path<-sprintf('~/var_%i.Rdata',i)
  load(path, env=myenv)
  predicted     <- predict(Model, newdata =myenv[[name]], type = "prob")
  value         <- as.numeric(lapply(predicted,"[[",2))
  namef         <- sprintf('~/predicted%i.Rdata',i)
  save(value,file=namef)
  rm(list= ls(env=myenv), envir=myenv)
}