Adımlı regresyon modeli kurma

Alan bilgisi olmadığında, adımlı regresyon ilgilendiğin sonucun en önemli yordayıcılarını bulmana yardımcı olabilir.

Bu egzersizde, modele yordayıcıları tek tek ekleyerek ek bir fayda görülmeyene kadar ilerleyen bir ileri adımlı yaklaşım kullanacaksın. donors veri kümesi senin için yüklendi.

Bu egzersiz, kursun bir parçasıdır

R'de Supervised Learning: Sınıflandırma

Kursa Göz Atın

Egzersiz talimatları

glm() ile R formül arayüzünü kullanarak yordayıcısı olmayan temel modeli belirt. Açıklayıcı değişkeni 1 olarak ayarla.
glm() ile R formül arayüzünü tekrar kullanarak tüm yordayıcıları içeren modeli belirt.
İleri adımlı regresyonu uygulamak için bu modellere step() uygula. İlk argümanı null_model yap ve direction = "forward" olarak ayarla. Bu biraz zaman alabilir (10–15 saniyeye kadar), çünkü bilgisayarın adımlı seçimi gerçekleştirmek için oldukça fazla sayıda farklı modeli uydurmak zorunda.
predict() fonksiyonunu kullanarak tahmin edilen olasılıkların bir vektörünü oluştur.
ROC eğrisini roc() ve plot() ile çiz ve adımlı modelin AUC değerini auc() ile hesapla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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(___)

Kodu Düzenle ve Çalıştır