R 使用虚拟变量自动转换训练数据的lm评估

我尝试使用statisticalmodeling软件包评估模型，并查看效果大小：

library(caret)
library(statisticalModeling)

a_model <- train(
  Sepal.Length ~ Species + Sepal.Width,
  data = iris,
  method = "lm"
)

statisticalModeling::effect_size(a_model$finalModel, ~ Species, data = iris)

库（插入符号）
图书馆（统计建模）
a_model您可以使用默认的S3方法
train
来避免它

b_model <- train(x = iris[, c("Species", "Sepal.Width")], 
                 y = iris$Sepal.Length, 
                 method = "lm")

identical(a_model$finalModel$coefficients, b_model$finalModel$coefficients)  # TRUE

statisticalModeling::effect_size(b_model$finalModel, ~ Species, data = iris)

b_model Hi谢谢你的回答。通过S3方法，这是否意味着只包括来自训练数据框架的精确变量？据我所知，这就是你正在做的事情，是的（请参阅帮助（“训练”、“插入”）
）。我使用dplyr select而不是
df[，c（“var1”、“var2”）]
尝试了这个S3方法，但它成功了；t run，这很奇怪，因为如果我将
select（iris，c（“物种”，“萼片宽度”）
的str与上面的x=方法进行比较，它们看起来完全相同：-/
tbl_df
可能不受支持。也许
select（如.data.frame（df），colnames）
。