通过不同的数据框循环回归

目标是对不同的训练数据帧进行多重 logit 回归，然后评估各自测试数据集的性能。

首先，我们从以下位置创建多个 (5) 随机采样的数据帧df：

for(i in 1:5) {
nr <- paste("random_df", i, sep = "_")
assign(nr, random_df[sample(nrow(df)),])
}

然后，我们为分离训练集和测试集创建指标：

train <- 1:(length(df$y)*0.8)
test  <- !(1:nrow(df) %in% train)

现在我们想在每个训练数据帧上循环一个 logit 回归。这是第一个问题，因为我们只能将输出创建为矩阵或列表。我们或者创建随机样本的列表、数据框或矩阵：

lr_list <- list(random_df_1,random_df_2,random_df_3,random_df_4,random_df_5)

然后，我们在列表中的所有数据帧上循环 logit 回归：

for(i in 1:5) {
  index <- paste("lr_train", i, sep = "_")
  assign(index, lapply(lr_list, function(x) {glm(y ~ x1 + x2, data=x, 
  subset=train, family=binomial)}))
}

这里lapply创建了sapply每个估计结果的列表和矩阵。

目标是获得glm对象形式的输出，以便使用每个训练 glm进行预测，从而能够评估不同测试/训练数据星座的模型性能：

lr_test_1 <- predict(lr_train_1, random_df_1[test, ], type="response")

非常感谢任何帮助。