Побудова моделі покрокової регресії

Коли немає глибокої предметної експертизи, покрокова регресія допомагає знайти найважливіші предиктори для потрібного результату.

У цій вправі ви застосуєте прямий покроковий підхід: додаватимете предиктори до моделі по одному, доки це дає виграш. Набір даних donors уже завантажено для вас.

Ця вправа є частиною курсу

Наглядове навчання в R: Класифікація

Переглянути курс

Інструкції до вправи

Використайте інтерфейс формул R із glm(), щоб задати базову модель без предикторів. Поставте пояснювальну змінну рівною 1.
Знову використайте інтерфейс формул R із glm(), щоб задати модель з усіма предикторами.
Застосуйте step() до цих моделей, щоб виконати прямий покроковий відбір. Першим аргументом передайте null_model і встановіть direction = "forward". Це може тривати певний час (до 10–15 секунд), адже комп'ютер має підігнати чимало різних моделей для відбору.
Створіть вектор імовірностей за допомогою функції predict().
Побудуйте криву ROC за допомогою roc() і plot() та обчисліть AUC покрокової моделі за допомогою auc().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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(___)

Редагувати та запускати код