Bygg en stegvis regressionsmodell

När ämneskunskap saknas kan stegvis regression hjälpa dig att identifiera de viktigaste prediktorerna för utfallet.

I den här övningen använder du ett framåt stegvist tillvägagångssätt för att lägga till prediktorer i modellen en i taget tills ingen ytterligare förbättring uppnås. Datamängden donors har lästs in åt dig.

Den här övningen är en del av kursen

Övervakat lärande i R: Klassificering

Visa kurs

Övningsinstruktioner

Använd R:s formelgränssnitt med glm() för att specificera basmodellen utan prediktorer. Sätt den förklarande variabeln till 1.
Använd R:s formelgränssnitt igen med glm() för att specificera modellen med alla prediktorer.
Tillämpa step() på dessa modeller för att utföra framåt stegvis regression. Sätt det första argumentet till null_model och ange direction = "forward". Det här kan ta en stund (upp till 10–15 sekunder) eftersom datorn behöver anpassa ett antal olika modeller för att genomföra det stegvisa urvalet.
Skapa en vektor med förutsagda sannolikheter med funktionen predict().
Rita ROC-kurvan med roc() och plot(), och beräkna AUC för den stegvisa modellen med auc().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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(___)

Redigera och kör kod