R exp=lm（萼片宽度~萼片长度+花瓣宽度）这是什么意思？

我在学习机器学习，我在读关于MICE包的R中的一个参考链接。但有一点被击中了。我现在需要一个能帮忙的人

这是代码，我在Iris.mis数据框中的Sepal.Length、Sepal.width、Petal.Length、Petal.width中缺少值

所以作者编码如下

imputed_Data <- mice(iris.mis, m=5, maxit = 50, method = 'pmm', seed = 500)

我们得到了5个完整的数据集，如m=5所述。接下来是函数，以组合5个数据集。所以

fit <- with(data = iris.mis, exp = lm(Sepal.Width ~ Sepal.Length + Petal.Width))

所以，我只想知道exp=lmSepal.Width~Sepal.Length+Petal.Width到底是什么

我知道，作者使用的是lm的线性回归，但这里回归的目的是什么。他为什么这么做

谢谢。

阅读帮助。有一个参数expr需要一个表达式。R允许函数参数的部分名称匹配。因此，exp与expr参数匹配

---

这真的是一个令人费解的替代品，要比更合适，谢谢你的评论，但为什么作者只把萼片宽度作为依赖项，而把萼片长度和花瓣宽度作为独立项呢？他为什么不考虑花瓣呢？猜猜看，他为什么要坐飞机？？？再次感谢。它们只是证明了插补后你可以进行线性回归。插补后你打算如何处理数据集取决于你自己，但通常你使用某种统计模型。如果你只对作者的意图感兴趣，那么你应该问他们。这对于其他人来说是一件奇怪的事情。我确实理解，这并不是什么编程，我确实在那个网站上发布过。对此我没有得到任何评论。所以为了消除我的疑虑，我把这个作为平台。我想知道，他们到底在干什么。