遵循这样一个很好的问题：
Why is using update on a lm inside a grouped data.table losing its model data?，我在data.table内运行回归并将其存储，如下所示：
DT = data.table(iris)
fit = DT[, list(list(lm(Sepal.Length ~ Sepal.Width + Petal.Length))), by = Species]
但是，我想将.J输出存储为lm对象lm输出，而不是作为data.table：
class(fit[Species=="setosa"])
#i would like fit to contain 3 lm objects, not data.tables!
# [1] "data.table" "data.frame"
我的问题是，如何在fit 3 lm对象而不是3个数据表中存储，我需要的原因是，我想进一步使用fit进行样本预测（使用predict.lm）？
例如，我想在数据表中存储以下类型的元素：
model<-lm(Sepal.Length ~ Sepal.Width + Petal.Length,data=DT[Species=="setosa"])
class(model)
# [1] "lm"
#i would like the first element of fit to inclide model -> the model output object
new_data<-DT #just a toy example :) this isnt really the new data
predict(model,new_data)