Выбор спецификации модели

Как вы только что видели в видео, функция stepAIC() возвращает упрощённую модель. Теперь применим этот метод к учебному набору данных defaultData.

Подготовленный набор данных уже доступен в вашем окружении. Кроме того, пакет MASS загружен, а логит-модель logitModelFull, построенная ранее, уже определена. Обратите внимание, что мы уменьшили размер набора данных, поскольку пошаговый отбор переменных может занять значительное время при работе с большими наборами данных и более сложными моделями.

Это упражнение является частью курса

Машинное обучение для маркетинговой аналитики на R

Посмотреть курс

Инструкции к упражнению

Воспользуйтесь функцией stepAIC(). Установите trace = 0, чтобы не выводить промежуточные результаты всего процесса отбора. Сохраните результат в объект logitModelNew.
Затем примените функцию summary(), чтобы изучить logitModelNew. В данном случае предупреждающее сообщение можно проигнорировать. Посмотрите, что изменилось, и проанализируйте полученные результаты.
Формула сохраняется в объект, чтобы вам не пришлось вводить всё выражение заново при дальнейшем использовании.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

library(MASS)
# The old (full) model
logitModelFull <- glm(PaymentDefault ~ limitBal + sex + education + marriage +
                   age + pay1 + pay2 + pay3 + pay4 + pay5 + pay6 + billAmt1 + 
                   billAmt2 + billAmt3 + billAmt4 + billAmt5 + billAmt6 + payAmt1 + 
                   payAmt2 + payAmt3 + payAmt4 + payAmt5 + payAmt6, 
                 family = binomial, defaultData)

#Build the new model
logitModelNew <- stepAIC(___,___) 

#Look at the model
summary(logitModelNew) 

# Save the formula of the new model (it will be needed for the out-of-sample part) 
formulaLogit <- as.formula(summary(logitModelNew)$call)
formulaLogit

Редактировать и запускать код