模型设定

正如您在上一个视频中看到的，stepAIC() 函数会返回一个更精简的模型。现在，请把这一方法应用到练习数据集 defaultData 上。

已准备好的数据集已在您的环境中可用。此外，已加载 MASS 包，并为您预先定义了逻辑回归模型 logitModelFull。另外请注意，我们缩小了数据集的规模，因为在数据集更大、模型更复杂时，逐步模型选择可能会耗时较长。

本练习是课程的一部分

用 R 进行市场营销分析的机器学习

查看课程

练习说明

使用 stepAIC() 函数。将 trace = 0，因为您不需要输出整个模型选择过程。把结果保存到对象 logitModelNew。
然后使用 summary() 函数查看 logitModelNew。本题中的警告信息可以忽略。请运行并看看有哪些变化，理解这些结果。
公式会保存到一个对象中，这样当您之后要使用时，就不必再次输入整条等式。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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

编辑并运行代码