我想使用caret包在循环中训练多个模型（每个响应变量一个模型）。

我的数据框data有46个预测变量（所有这些变量都用于训练所有模型）和7个响应变量。

我尝试了一些R代码，但失败了：

models.list = list()Ynames = names(data)[47:ncol(data)]for(y in Ynames){models.list[[y]] = train(as.name(y)~., subset(data,select=-Ynames[-y]),method="".....)}

我的变量Ynames包含所有响应变量。每个模型必须使用单个响应变量进行训练。因此，在第一次迭代中，我们将为Ynames[1]响应变量和所有46个预测变量训练模型，但有必要从数据集data中排除所有非第一响应变量（Ynames[-1]）。

回答：

这可能是一个替代方案，符合您的示例（使用iris数据集）。子集选择基于这个帖子：使用subset从数据框中移除列列表

models.list = list()Ynames = names(iris)[3:ncol(iris)]for(y in Ynames){  to.remove <- Ynames[!Ynames==y]  `%ni%` <- Negate(`%in%`)  models.list[[y]] = train(as.name(y)~., subset(iris,select = names(iris) %ni% to.remove),method="".....)}