R中简单线性回归和预测的迭代

使用R，我希望运行n次迭代，使用训练数据集生成n个简单线性回归模型，以预测测试数据的n组拟合值。这将涉及将模型和预测存储在适当的容器中。我还想使用标签向量来标记预测。数据结构如下所示：

X=c（1.1,2.3,3.4,4.5,5.8），Y=c（1.0,2.4,3.3,4.7,6.0）

模型类似于

lm（Y.train~X.train）

预测类似于

predict（lm，data=test\u set）

。我该如何设置？有更好的方法吗

---

谢谢

设置一两个列表来存储拟合模型和预测。然后循环

在下面的代码中，您需要填写…，因为我不知道您的数据是什么样子，也不知道您如何决定每个迭代之间的差异

model_list   <- vector(mode="list", length=N)
predict_list <- vector(mode="list", length=N)

for (i in 1:N) {
    # fit model
    model_list[[i]] <- lm(y ~ x, data=subset(...))

    # store predictions
    predict_list[[i]] <- predict(model_list[[i]], newdata=subset(...))
}

---

model\u列表运行良好！谢谢