如何在for循环中定义模型名称？

我想在不同的样本上训练n个随机森林。样本1给出rf1，样本2给出rf2，等等

但这类代码不起作用（类型为“closure”的错误对象不可子集）

for（1:3中的i）{
rf$i它不起作用，因为
rf
还不存在，您无法将其子集

1.将列表用作容器

以下几点应该行得通

# define the length of your random forest trials
N = 3
rf = vector( "list", N)
for (i in seq_len( N ) {
   rf[[ i ]] <- train( Y ~. , data = trainingData, method = "rf",
          ntree = 100,
          tuneGrid=data.frame(mtry = mtry),
          trControl = controle,
          metric='ROC')
}

这将在您的环境中存储三个对象
rf1
、
rf2
和
rf3
，您可以独立处理它们。
它不起作用，因为
rf
尚不存在，并且您无法将其子集

1.将列表用作容器

以下几点应该行得通

# define the length of your random forest trials
N = 3
rf = vector( "list", N)
for (i in seq_len( N ) {
   rf[[ i ]] <- train( Y ~. , data = trainingData, method = "rf",
          ntree = 100,
          tuneGrid=data.frame(mtry = mtry),
          trControl = controle,
          metric='ROC')
}

这将在您的环境中存储三个对象
rf1
、
rf2
和
rf3
，您可以独立处理它们。
$
不处理
$
之后的变量。假设
rf
是一个列表（使用
rf初始化名为
rf=vector（'list'，'，3）的列表）
，然后使用
rf[[i]]
$
不处理
$
后面的变量。假设
rf
是一个列表（使用
rf初始化名为
rf=vector（'list'，3）
，然后使用
rf[[i]]
# define the length of your random forest trials
N = 3
for (i in seq_len( N ) {
       assign( paste0( "rf", i) ,
               train( Y ~. , 
                      data = trainingData, method = "rf",
                      ntree = 100,
                      tuneGrid=data.frame(mtry = mtry),
                      trControl = controle,
                      metric='ROC')
    }