Pytania otagowane jako stepwise-regression

Regresja krokowa (często nazywana regresją do przodu lub do tyłu) polega na dopasowaniu modelu regresji i dodaniu lub usunięciu predyktorów opartych na statystykach , lub kryteriach informacyjnych w celu uzyskania * krokowego * modelu końcowego. Ten znacznik może być również używany do wybierania w przód, eliminacji wstecz i strategii wyboru zmiennych najlepszych podzbiorów. tR2

1
Jaka jest różnica między AIC () a extractAIC () w R?
Dokumentacja R dla obu nie rzuca dużo światła. Jedyne, co mogę uzyskać z tego linku, to to, że użycie jednego z nich powinno być w porządku. Nie rozumiem, dlaczego nie są równe. Fakt: funkcję regresji krokowej w R, step()zastosowania extractAIC(). Co ciekawe, uruchomienie lm()modelu i modelu glm()„zerowego” (tylko przechwytywanie) w …
2
Jak działa regresja krokowa?
Użyłem następującego kodu R, aby dopasować model probit: p1 <- glm(natijeh ~ ., family=binomial(probit), data=data1) stepwise(p1, direction='backward/forward', criterion='BIC') Chcę wiedzieć, co dokładnie robi stepwisei co robi backward/forwardi jak wybierać zmienne?
3
Jakie są zalety regresji stopniowej?
W moim podejściu do problemu eksperymentuję z regresją krokową ze względu na różnorodność. Mam więc 2 pytania: Jakie są zalety regresji stopniowej? Jakie są jego szczególne zalety? Co sądzisz o podejściu hybrydowym, w którym używasz regresji krokowej, aby wybierać funkcje, a następnie stosujesz regresję regularną, biorąc wszystkie wybrane funkcje razem?
2
Przewaga LASSO nad wyborem do przodu / eliminacją do tyłu pod względem błędu prognozowania walidacji krzyżowej modelu
Otrzymałem trzy zredukowane modele z oryginalnego pełnego modelu przy użyciu wybór do przodu eliminacja wsteczna Technika penalizacji L1 (LASSO) Dla modeli uzyskanych za pomocą selekcji do przodu / eliminacji wstecznej uzyskałem oszacowane krzyżowo oszacowanie błędu prognozowania przy użyciu CVlmpakietu DAAGdostępnego w R. Do modelu wybranego przez LASSO użyłem cv.glm. Błąd …
4
Czy istnieje sposób wykorzystania krzyżowej weryfikacji do dokonania wyboru zmiennej / cechy w R?
Mam zestaw danych z około 70 zmiennymi, które chciałbym wyciąć. Chcę użyć CV, aby znaleźć najbardziej przydatne zmienne w następujący sposób. 1) Losowo wybierz powiedz 20 zmiennych. 2) Użyj stepwise/ LASSO/ lars/ etc, aby wybrać najważniejsze zmienne. 3) Powtórz ~ 50x i zobacz, które zmienne są najczęściej wybierane (nie eliminowane). …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.