我有一个（线性）回归模型，我很满意。但是，我想自动为预测变量添加一些变换，并根据调整后的R ^ 2自动选择具有变换变量的最佳模型。
是否有类似于step和leap的功能会执行此操作？以下是使用内置state.x77数据集的示例：
st = as.data.frame(state.x77)
names(st)[c(4,6)] <- c("Life.Exp","HS.Grad")
fm = lm(formula = Life.Exp ~ Murder + HS.Grad + Frost, data = st)
transformations = list(function(x) sqrt(x), function(x) log(x))
现在我想以逐步的方式考虑模型fm中预测变量的所有变换，并选择最佳模型。例如。例如在第一次交互中，比较
fm_sqrt_1 = lm(formula = Life.Exp ~ sqrt(Murder) + HS.Grad + Frost, data = st)
要 fm_log_1 = lm（公式= Life.Exp~log（谋杀）+ HS.Grad + Frost，data = st） 至 fm_sqrt_2 = lm（公式= Life.Exp~谋杀+ sqrt（HS.Grad）+ Frost，data = st） 至 fm_log_2 = lm（公式= Life.Exp~谋杀+日志（HS.Grad）+ Frost，data = st） 至 ...
从中选择最佳模型，然后再次对迭代2进行相同的操作。