exp = lm（Sepal.Width~Sepal.Length + Petal.Width）这是什么意思？

Question

我正在学习机器学习，我在其中一个参考链接中阅读了R中的MICE包。但有一点令人震惊。我需要一个可以帮助的人。

这是代码，我在Iris.mis数据框中的Sepal.Length，Sepal.width，Petal.Length，Petal.width中缺少值。

所以作者编码如下。

imputed_Data <- mice(iris.mis, m=5, maxit = 50, method = 'pmm', seed = 500)

我们得到5个完整的数据集，如m = 5所述。接下来是功能，以便组合5个数据集。所以，

fit <- with(data = iris.mis, exp = lm(Sepal.Width ~ Sepal.Length + Petal.Width))

所以，只想要的是“exp = lm（Sepal.Width~Sepal.Length + Petal.Width）”“

据我所知，作者正在使用lm进行线性回归，但这里回归的目的是什么。他为什么要这样做？

感谢。

Answer 1

阅读help("with")。有一个参数expr（需要一个表达式）。 R允许函数参数的部分名称匹配。因此，exp与expr参数匹配。

对于更好的fit <- lm(Sepal.Width ~ Sepal.Length + Petal.Width, data = iris.mis)来说，这实际上是一个令人费解的替代方案。