将模型公式传递给另一个函数时出现对象未找到错误

我在 R 上遇到了一个奇怪的问题，我似乎无法解决。

我尝试编写一个函数，对 R 中的逐步过程选择的模型执行 K 折交叉验证。（我知道逐步过程的问题，纯粹是为了比较目的）:)

现在的问题是，如果我定义函数参数（linmod，k，方向）并运行函数的内容，它就可以完美地工作。但是，如果我将其作为函数运行，则会收到一条错误消息，指出找不到 datas.train 对象。

我尝试使用 debug() 单步执行该函数，并且该对象显然存在，但当我实际运行该函数时，R 说它不存在。如果我只是使用 lm() 拟合模型，它就可以正常工作，所以我相信这是循环中的步骤函数在函数内部的问题。 （尝试注释掉步骤命令，并将预测设置为普通线性模型的预测。）

#CREATE A LINEAR MODEL TO TEST FUNCTION
lm.cars <- lm(mpg~.,data=mtcars,x=TRUE,y=TRUE)


#THE FUNCTION
cv.step <- function(linmod,k=10,direction="both"){
  response <- linmod$y
  dmatrix <- linmod$x
  n <- length(response)
  datas <- linmod$model
  form <- formula(linmod$call)

  # generate indices for cross validation
  rar <- n/k
  xval.idx <- list()
  s <- sample(1:n, n) # permutation of 1:n
  for (i in 1:k) {
    xval.idx[[i]] <- s[(ceiling(rar*(i-1))+1):(ceiling(rar*i))]
  }

  #error calculation
  errors <- R2 <- 0

  for (j in 1:k){
     datas.test <- datas[xval.idx[[j]],]
       datas.train <- datas[-xval.idx[[j]],]
       test.idx <- xval.idx[[j]]

       #THE MODELS+
       lm.1 <- lm(form,data= datas.train)
       lm.step <- step(lm.1,direction=direction,trace=0)

      step.pred <- predict(lm.step,newdata= datas.test)
        step.error <- sum((step.pred-response[test.idx])^2)
        errors[j] <- step.error/length(response[test.idx])

        SS.tot <- sum((response[test.idx] - mean(response[test.idx]))^2)
        R2[j] <- 1 - step.error/SS.tot
  }

  CVerror <- sum(errors)/k
  CV.R2 <-  sum(R2)/k

  res <- list()
  res$CV.error <- CVerror
  res$CV.R2 <- CV.R2

return(res)
}


#TESTING OUT THE FUNCTION
cv.step(lm.cars)

有什么想法吗？

当您创建公式时，lm.cars，在被分配了它自己的环境。除非您明确更改它，否则此环境将保留在公式中。因此，当您使用以下公式提取公式时formula函数中，包含了模型的原始环​​境。

我不知道我在这里使用的术语是否正确，但我认为您需要显式更改函数内公式的环境：

cv.step <- function(linmod,k=10,direction="both"){
  response <- linmod$y
  dmatrix <- linmod$x
  n <- length(response)
  datas <- linmod$model
  .env <- environment() ## identify the environment of cv.step

  ## extract the formula in the environment of cv.step
  form <- as.formula(linmod$call, env = .env) 

  ## The rest of your function follows