模型規格

正如你在前一支影片所看到的，stepAIC() 函式會回傳一個較精簡的模型。現在你要把這個方法應用在練習用的資料集 defaultData 上。

已準備好的資料集已在你的環境中。此外，MASS 套件已載入，先前建立的邏輯斯模型 logitModelFull 也已替你定義好。另請注意，我們已縮小資料集的大小，因為逐步模型選擇在資料集較大或模型較複雜時可能需要很長時間。

本練習屬於課程

R 的行銷分析機器學習

檢視課程

練習說明

使用 stepAIC() 函式。將 trace = 0，因為你不想輸出整個模型選擇過程。把結果存成物件 logitModelNew。
接著使用 summary() 函式檢視 logitModelNew。在這個情況下可以忽略警告訊息。試著看看有哪些改變，並理解結果。
公式已儲存在一個物件中，這樣你之後要再使用時就不必重新輸入整個等式。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

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

編輯並執行程式碼