原文链接:http://tecdat.cn/?p=5453
最近我们被客户要求撰写关于特征选择方法的研究报告,包括一些图形和统计输出。
变量选择方法
所有可能的回归
model
该plot
方法显示了所有可能的回归方法的拟合 。
model
最佳子集回归
选择在满足一些明确的客观标准时做得最好的预测变量的子集,例如具有最大R2值或最小MSE, Cp或AIC。
model
plot
model
逐步前进回归
从一组候选预测变量中建立回归模型,方法是逐步输入基于p值的预测变量,直到没有变量进入变量。该模型应该包括所有的候选预测变量。如果细节设置为TRUE
,则显示每个步骤。
点击标题查阅往期内容
R语言多元逐步回归模型分析房价和葡萄酒价格:选择最合适的预测变量
左右滑动查看更多
01
02
03
04
变量选择
#向前逐步回归
model
本文摘选 《 R语言特征选择——逐步回归 》 ,点击“阅读原文”获取全文完整资料。
点击标题查阅往期内容
R语言多元逐步回归模型分析房价和葡萄酒价格:选择最合适的预测变量
R语言逐步多元回归模型分析长鼻鱼密度影响因素
R语言特征选择——逐步回归
r语言中对LASSO回归,Ridge岭回归和弹性网络Elastic Net模型实现
回归分析与相关分析的区别和联系
R语言分位数回归预测筛选有上升潜力的股票
R语言实现LASSO回归——自己编写LASSO回归算法
R语言泊松Poisson回归模型预测人口死亡率和期望寿命
R语言时间序列TAR阈值自回归模型
R语言用泊松Poisson回归、GAM样条曲线模型预测骑自行车者的数量
R语言分位数回归Quantile Regression分析租房价格
R语言用Garch模型和回归模型对股票价格分析
R语言广义线性模型GLM、多项式回归和广义可加模型GAM预测泰坦尼克号幸存者
R语言分段回归数据数据分析案例报告
R语言实现CNN(卷积神经网络)模型进行回归数据分析
R语言分位数回归、GAM样条曲线、指数平滑和SARIMA对电力负荷时间序列预测