เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การสร้างโมเดล Stepwise Regression

เมื่อไม่มีความเชี่ยวชาญเฉพาะด้าน stepwise regression ช่วยในการค้นหาตัวทำนายที่สำคัญที่สุดสำหรับผลลัพธ์ที่ต้องการได้

ในแบบฝึกหัดนี้ จะใช้แนวทาง forward stepwise เพื่อเพิ่มตัวทำนายเข้าไปในโมเดลทีละตัว จนกว่าจะไม่เห็นประโยชน์เพิ่มเติม โดยได้โหลดชุดข้อมูล donors ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Supervised Learning in R: Classification

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ R formula interface กับ glm() เพื่อกำหนดโมเดลฐานที่ไม่มีตัวทำนาย โดยตั้งค่าตัวแปรอธิบายเท่ากับ 1
  • ใช้ R formula interface อีกครั้งกับ glm() เพื่อกำหนดโมเดลที่มีตัวทำนายทั้งหมด
  • ใช้ step() กับโมเดลเหล่านี้เพื่อดำเนินการ forward stepwise regression โดยตั้งค่าอาร์กิวเมนต์แรกเป็น null_model และตั้ง direction = "forward" ขั้นตอนนี้อาจใช้เวลาสักครู่ (ประมาณ 10 ถึง 15 วินาที) เนื่องจากคอมพิวเตอร์ต้องฟิตโมเดลหลายรูปแบบเพื่อทำการคัดเลือกแบบ stepwise
  • สร้างเวกเตอร์ของค่าความน่าจะเป็นที่ทำนายได้โดยใช้ฟังก์ชัน predict()
  • พล็อต ROC curve ด้วย roc() และ plot() จากนั้นคำนวณค่า AUC ของโมเดล stepwise ด้วย auc()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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(___)
แก้ไขและรันโค้ด