在某些数据集中，我想在模型中使用大量相关变量，例如lm，randomforest，xgboost等。手动输入所有这些变量是不可行的，但是我可以使用regex标识列根据通用前缀进行匹配，例如'fruit _'。
我想构造一个包含许多项的公式
outcome ~ fruit_banana + fruit_apple + fruit_pear + ....
但是，在公式中引用它们比我预期的要复杂。我有一个可行的方法，但是感觉很麻烦，我想知道是否有一个更简洁的方法。
注意，我正在寻找一种不涉及操纵数据框架本身的解决方案，因为在实际情况下，我经常想快速向模型中添加或删除其他变量。其次，我不想按位置引用列，因为这样做不可靠。
示例
在下面的数据集中，我有一个名为'outcome'的变量，我希望使用所有以'a_'开头的变量进行预测，而我想忽略其他10列。
创建玩具数据集：
df = data.frame(outcome = rnorm(100), matrix(rbinom(30*100, 1, 0.2), ncol = 30))
colnames(df)[2:21] = paste0('a_', 1:20)
我目前用于构造公式的方法：
frm = as.formula(paste0("outcome ~ ",
paste(colnames(df)[grep('a_', colnames(df))], collapse = ' + ')))
lm(frm, data = df)