Đặc tả mô hình
Hàm stepAIC() trả về một mô hình rút gọn, như bạn vừa thấy trong video trước. Giờ bạn sẽ áp dụng phương pháp này cho bộ dữ liệu bài tập defaultData.
Bộ dữ liệu đã được chuẩn bị sẵn trong môi trường của bạn. Ngoài ra, gói MASS đã được nạp và mô hình logit logitModelFull trước đó cũng đã được định nghĩa sẵn. Lưu ý rằng chúng tôi đã giảm kích thước bộ dữ liệu vì việc chọn mô hình từng bước có thể tốn rất nhiều thời gian với các bộ dữ liệu lớn và mô hình phức tạp hơn.
Bài tập này là một phần của khóa học
Machine Learning cho Phân tích Marketing bằng R
Hướng dẫn bài tập
- Sử dụng hàm
stepAIC(). Đặttrace = 0vì bạn không muốn hiển thị toàn bộ quá trình chọn mô hình. Lưu kết quả vào đối tượnglogitModelNew. - Sau đó, dùng hàm
summary()để xemlogitModelNew. Bạn có thể bỏ qua cảnh báo trong trường hợp này. Hãy xem có gì thay đổi và cố gắng hiểu các kết quả. - Công thức được lưu trong một đối tượng để bạn không phải gõ lại toàn bộ phương trình khi muốn dùng về sau.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
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