R 是否存在使用大量变量寻找最佳logit模型的算法?
我正在寻找一种方法来运行(logit)模型,并找到变量的最佳组合(即具有最小AIC或BIC标准和/或具有最大数量重要变量的模型)。问题是我有50个变量,因此几乎不可能手动查找所有组合 我已经在寻找有关stackoverflow和stackexchange的答案,但没有结果R 是否存在使用大量变量寻找最佳logit模型的算法?,r,R,我正在寻找一种方法来运行(logit)模型,并找到变量的最佳组合(即具有最小AIC或BIC标准和/或具有最大数量重要变量的模型)。问题是我有50个变量,因此几乎不可能手动查找所有组合 我已经在寻找有关stackoverflow和stackexchange的答案,但没有结果 我对R比较陌生,所以如果我的问题听起来不好,我已经道歉了,我要感谢R社区的帮助是的,它是存在的!甚至有两个版本 它简单地基于一种逐步(贪婪)方法,从一个空模型(分别是包含所有考虑变量的完整模型)中添加(或删除)顺序变量,试图最
我对R比较陌生,所以如果我的问题听起来不好,我已经道歉了,我要感谢R社区的帮助是的,它是存在的!甚至有两个版本 它简单地基于一种逐步(贪婪)方法,从一个空模型(分别是包含所有考虑变量的完整模型)中添加(或删除)顺序变量,试图最大化AIC 其实现可在R:
stepAIC
函数中的MASS
包中找到(标题为“AIC在逐步算法中选择模型”)
object
是线性/logit模型(lm
或glm
类) 您是否尝试过例如?步骤?
stepAIC(object, scope, scale = 0,
direction = c("both", "backward", "forward"),
trace = 1, keep = NULL, steps = 1000, use.start = FALSE,
k = 2, ...)