Aaa.h
class Aaa {
protected:
static Aaa *defaultAaa;
};
Aaa.cpp
// You must define an actual variable in your program for the static members of the classes
static Aaa *Aaa::defaultAaa;
Скажем, мы работаем с этим нелепым примером:
DF <- data.frame(Class=1:10,A=1:10,B=1:10,C=1:10)
Затем вы получаете имена столбцов
Cols <- names(DF)
Cols <- Cols[! Cols %in% "Class"]
n <- length(Cols)
Вы строите все возможные комбинации
id <- unlist(
lapply(1:n,
function(i)combn(1:n,i,simplify=FALSE)
)
,recursive=FALSE)
Вы вставляете их в формулы
Formulas <- sapply(id,function(i)
paste("Class~",paste(Cols[i],collapse="+"))
)
И вы перебираете их для применения моделей.
lapply(Formulas,function(i)
lm(as.formula(i),data=DF))
Будьте осторожны: если у вас больше нескольких колонок, это быстро станет очень тяжелым для памяти и приведет к буквально тысячам моделей. У вас есть 2 ^ n - 1 разные модели, n - число столбцов.
Убедитесь, что это то, что вы хотите, в целом такого рода сравнение моделей настоятельно рекомендуется. Забудьте о любых выводах, когда вы это сделаете.
vars<-c('a','b','c','d')
library(gregmisc)
indexes<-unique(apply(combinations(length(vars), length(vars), repeats=T), 1, unique))
gen.form<-function(x) as.formula(paste('~',paste( vars[x],collapse='+')))
formulas<-lapply(indexes, gen.form)
formulas
Генерирует:
R> формулы
[[1]] ~ a
[[2]] ~ a + b
[[3]] ~ a + c
[[4]] ~ a + d
[[5]] ~ a + b + c
[[6]] ~ a + b + d
[[7]] ~ a + c + d
[[8]] ~ a + b + c + d
[[9]] ~ b
[[10]] ~ b + c
[[11]] ~ b + d
[[12]] ~ b + c + d
[[13]] ~ c
[[14]] ~ c + d
[[15]] ~ d
Вот отличный комментарий в блоге от Марка Хекмана, в котором подробно описывается, как построить все возможные модели регрессии, с учетом набора объясняющих переменных и переменной ответа. Однако, как указал Йорис, я бы строго предостерег от использования такого подхода, поскольку (а) число регрессий возрастает экспоненциально и (б) статистические эксперты не рекомендуют вести промысел данных такого рода, поскольку это чревато всеми видами рисков.