Modellspecifikation

Funktionen stepAIC() returnerar en reducerad modell, precis som du såg i föregående video. Nu ska du tillämpa den här metoden på övningens datamängd defaultData.

Den förberedda datamängden finns tillgänglig i din miljö. Paketet MASS är inläst och den tidigare byggda logitmodellen logitModelFull är definierad åt dig. Observera också att vi har minskat datamängdens storlek, eftersom stegvist modellval kan ta lång tid med större datamängder och mer komplexa modeller.

Den här övningen är en del av kursen

Maskininlärning för marknadsanalys i R

Visa kurs

Övningsinstruktioner

Använd funktionen stepAIC(). Sätt trace = 0, eftersom du inte vill få utdata för hela modellvalsprocessen. Spara resultatet i objektet logitModelNew.
Använd sedan funktionen summary() för att titta på logitModelNew. Du kan ignorera eventuella varningsmeddelanden i det här fallet. Se vad som har förändrats och försök förstå resultaten.
Formeln sparas i ett objekt så att du inte behöver skriva hela ekvationen igen när du vill använda den senare.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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

Redigera och kör kod