R语言小白，问一个迭代循环的问题，请高手帮忙写个程序。

想做一个逻辑回归，特征有很多，100多个，想进行一些特征筛选和降维，尝试了PCA，但是结果没能提高预测效果，因此放弃这种方法。

现在自己想了一个粗暴直接的方法进行特征筛选：
1）将100个特征分别进行单因素建模并测试，也就是单变量分析，提取其中预测效果最好的一个特征，保留下来，比如是var10
2）将第一步中的var10保留，依次加入剩余99个特征形成2个特征的模型，共99个模型，提取其中预测效果最好的一个特征，保留下来，比如var18
3) 将前两步保留的两个变量（var10, var18）保留，依次加入剩余98个特征形成3个特征的模型，找到最好的一个特征
....
依次进行100+99+98+....+3+2+1次循环，从而找到最好的特征组合。

我已经写了部分代码如下，测试数据见附件，请高手帮忙将这个迭代循环写下去。
需求：
1）最终结果生成一个dataframe，有三列，第一列为model 1, mode1 2，表示单变量，二变量，三变量；第二列是特征列表，第三列为评价模型好坏的coverage
2）控制循环，当第n次循环，添加变量不能继续提升模型预测效果时，跳出循环，保留预测效果最好的特征组合。


测试数据，目标变量是xxg，其它为特征，依次筛选