建立逐步迴歸模型
當缺乏領域專家知識時，逐步迴歸（stepwise regression） 可以幫助你找出對目標結果影響最大的預測變數。
在這個練習中，你會採用前向逐步法，將預測變數一個一個加進模型，直到加入更多變數不再帶來額外效益為止。donors 資料集已為你載入。
本練習屬於課程
R 監督式學習：分類
練習說明
- 使用 R 的公式介面搭配
glm()，先指定沒有任何自變數的基礎模型。把解釋變數設為1。 - 再次使用 R 的公式介面搭配
glm()，指定包含所有預測變數的模型。 - 對這些模型套用
step()以執行前向逐步迴歸。把第一個引數設為null_model，並設定direction = "forward"。這可能需要一點時間（最多約 10 到 15 秒），因為你的電腦必須配適相當多個模型來完成逐步選擇。 - 使用
predict()函式建立一個機率預測的向量。 - 使用
roc()和plot()繪製 ROC 曲線，並用auc()計算逐步模型的 AUC。
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。
# 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(___)