Membangun model regresi stepwise

Tanpa keahlian spesifik domain, stepwise regression dapat membantu mencari prediktor terpenting untuk keluaran yang diminati.

Dalam latihan ini, Anda akan menggunakan pendekatan stepwise maju untuk menambahkan prediktor ke model satu per satu hingga tidak ada manfaat tambahan yang terlihat. Himpunan data donors telah dimuat untuk Anda.

Latihan ini adalah bagian dari kursus

Supervised Learning di R: Klasifikasi

Lihat Kursus

Petunjuk latihan

Gunakan antarmuka formula R dengan glm() untuk menetapkan model dasar tanpa prediktor. Setel variabel penjelas sama dengan 1.
Gunakan kembali antarmuka formula R dengan glm() untuk menetapkan model dengan semua prediktor.
Terapkan step() pada model-model ini untuk melakukan forward stepwise regression. Setel argumen pertama ke null_model dan setel direction = "forward". Proses ini mungkin memerlukan waktu (hingga 10 atau 15 detik) karena komputer Anda harus memfitting cukup banyak model untuk melakukan seleksi stepwise.
Buat vektor probabilitas terprediksi menggunakan fungsi predict().
Plot kurva ROC dengan roc() dan plot() serta hitung AUC dari model stepwise dengan auc().

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Specify a null model with no predictors
null_model <- ___(___, data = ___, family = "___")

# Specify the full model using all of the potential predictors
full_model <- ___

# Use a forward stepwise algorithm to build a parsimonious model
step_model <- step(___, scope = list(lower = null_model, upper = full_model), direction = "___")

# Estimate the stepwise donation probability
step_prob <- ___

# Plot the ROC of the stepwise model
library(pROC)
ROC <- ___
plot(___, col = "red")
auc(___)

Edit dan Jalankan Kode