Costruire un modello di regressione stepwise

In assenza di competenze specifiche sul dominio, la regressione stepwise può aiutarti a individuare i predittori più importanti per l’esito di interesse.

In questo esercizio userai un approccio stepwise in avanti per aggiungere i predittori al modello uno alla volta finché non si osservano più benefici aggiuntivi. Il dataset donors è già stato caricato per te.

Questo esercizio fa parte del corso

Apprendimento supervisionato in R: Classificazione

Visualizza il corso

Istruzioni dell'esercizio

Usa l’interfaccia a formule di R con glm() per specificare il modello di base senza predittori. Imposta la variabile esplicativa uguale a 1.
Usa di nuovo l’interfaccia a formule di R con glm() per specificare il modello con tutti i predittori.
Applica step() a questi modelli per eseguire la regressione stepwise in avanti. Imposta il primo argomento a null_model e direction = "forward". Potrebbe richiedere un po’ di tempo (fino a 10 o 15 secondi) perché il tuo computer deve adattare diversi modelli per effettuare la selezione stepwise.
Crea un vettore di probabilità previste usando la funzione predict().
Traccia la curva ROC con roc() e plot() e calcola l’AUC del modello stepwise con auc().

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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(___)

Modifica ed esegui il codice