การกำหนดสเปกโมเดล
ฟังก์ชัน stepAIC() จะคืนค่าโมเดลที่ลดความซับซ้อนลง ดังที่เห็นในวิดีโอที่ผ่านมา ตอนนี้ให้นำวิธีนี้ไปใช้กับชุดข้อมูลแบบฝึกหัด defaultData
ชุดข้อมูลที่เตรียมไว้พร้อมใช้งานในสภาพแวดล้อมของคุณแล้ว นอกจากนี้ แพ็กเกจ MASS ได้ถูกโหลดไว้ และโมเดล logit ที่สร้างไว้ก่อนหน้าชื่อ logitModelFull ก็ถูกกำหนดไว้ให้แล้ว โปรดทราบด้วยว่าเราได้ลดขนาดของชุดข้อมูลลง เนื่องจากการเลือกโมเดลแบบ stepwise อาจใช้เวลานานมากกับชุดข้อมูลขนาดใหญ่และโมเดลที่ซับซ้อน
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning for Marketing Analytics ใน R
คำแนะนำการฝึกหัด
- ใช้ฟังก์ชัน
stepAIC()โดยตั้งค่าtrace = 0เพื่อไม่ให้แสดงผลลัพธ์ระหว่างกระบวนการเลือกโมเดลทั้งหมด และบันทึกผลลัพธ์ไว้ในออบเจ็กต์ชื่อlogitModelNew - จากนั้นใช้ฟังก์ชัน
summary()เพื่อดูรายละเอียดของlogitModelNewข้อความเตือนที่ปรากฏในกรณีนี้สามารถละเว้นได้ ลองดูว่ามีอะไรเปลี่ยนแปลงไปบ้าง และทำความเข้าใจกับผลลัพธ์ที่ได้ - สูตรของโมเดลถูกบันทึกไว้ในออบเจ็กต์แล้ว เพื่อที่จะได้ไม่ต้องพิมพ์สมการทั้งหมดใหม่เมื่อต้องการใช้ในภายหลัง
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
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