«stepwise-regression» 태그된 질문

단계적 회귀 (종종 정방향 또는 역방향 회귀라고 함)에는 회귀 모델을 맞추고 다음을 기반으로 예측 변수를 추가하거나 제거하는 작업이 포함됩니다. 통계, 아르 자형2또는 최종 모델에 * 단계적으로 * 도달하기위한 정보 기준. 이 태그는 정방향 선택, 역방향 제거 및 최적의 하위 집합 변수 선택 전략에도 사용할 수 있습니다.


1
R에서 AIC ()와 extractAIC ()의 차이점은 무엇입니까?
어느 쪽이든 R 문서는 그다지 밝지 않습니다. 이 링크 에서 얻을 수있는 것은 둘 중 하나를 사용하는 것이 좋습니다. 내가 얻지 못하는 것은 왜 그들이 평등하지 않은지입니다. 사실 : R의 단계적 회귀 함수는를 step()사용합니다 extractAIC(). 흥미롭게도 R의 'mtcars'데이터 세트 에서 lm()모델과 glm()'null'모델 (인터셉트 만)을 실행하면 AIC및에 대한 결과가 다릅니다 extractAIC(). …

2
"단계적 회귀"는 어떻게 작동합니까?
프로 빗 모델에 맞추기 위해 다음 R 코드를 사용했습니다. p1 <- glm(natijeh ~ ., family=binomial(probit), data=data1) stepwise(p1, direction='backward/forward', criterion='BIC') 나는 무엇을 알고 싶어 stepwise하고 backward/forward정확하게 수행하는 방법과 변수를 선택?

3
단계적 회귀의 장점은 무엇입니까?
나는 문제에 대한 접근 방식의 다양성을 위해 단계적 회귀를 실험하고 있습니다. 그래서 두 가지 질문이 있습니다. 단계적 회귀의 장점은 무엇입니까? 구체적인 강점은 무엇입니까? 단계적 회귀를 사용하여 피처를 선택한 다음 선택한 모든 피처를 함께 가져 오는 규칙적인 회귀를 적용하는 하이브리드 접근 방식에 대해 어떻게 생각하십니까?

2
모델의 교차 검증 예측 오차 측면에서 순방향 선택 / 후진 제거에 비해 LASSO의 우수성
나는 원래의 풀 모델에서 앞으로 선택 뒤로 제거 L1 벌칙 기술 (LASSO) 순방향 선택 / 역방향 제거를 사용하여 얻은 모델의 경우, CVlm에서 DAAG제공되는 패키지를 사용 하여 교차 검증 된 예측 오차 추정치를 얻었 습니다 R. LASSO를 통해 선택된 모델에는을 사용했습니다 cv.glm. LASSO에 대한 예측 오차는 다른 것들에 대해 얻은 것보다 …

4
R에서 변수 / 기능 선택을 수행하기 위해 교차 검증을 사용하는 방법이 있습니까?
약 70 개의 변수가있는 데이터 세트가 있습니다. 내가 찾고있는 것은 CV를 사용하여 다음과 같은 방식으로 가장 유용한 변수를 찾는 것입니다. 1) 20 개의 변수를 임의로 선택합니다. 2) stepwise/ LASSO/ lars/ etc를 사용 하여 가장 중요한 변수를 선택하십시오. 3) ~ 50x를 반복하고 어떤 변수가 가장 자주 선택 (제거되지 않음)되었는지 확인합니다. 이것은 …

3
일반화 선형 혼합 모델 : 모델 선택
이 질문 / 주제는 동료와의 토론에서 나 왔으며 이것에 대한 의견을 찾고있었습니다. 랜덤 효과 로지스틱 회귀, 더 정확하게는 임의의 가로 채기 로지스틱 회귀를 사용하여 일부 데이터를 모델링하고 있습니다. 고정 효과의 경우 관심있는 9 개의 변수가 있습니다. 중요한 변수를 찾고“최상의”모델을 제공하기 위해 일종의 모델 선택을하고 싶습니다 (주요 효과 만). 첫 번째 …
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.