R 那么,爱抚向后跳跃实际上是如何工作的呢?
我已经使用了很多插入符号方法一段时间了。我特别经常使用所有不同的子集选择方法。今天我问自己Caret中不同的子集选择技术是如何实现的,我不得不意识到我无法给出答案 为了简单起见,让我们以插入符号R 那么,爱抚向后跳跃实际上是如何工作的呢?,r,r-caret,feature-selection,R,R Caret,Feature Selection,我已经使用了很多插入符号方法一段时间了。我特别经常使用所有不同的子集选择方法。今天我问自己Caret中不同的子集选择技术是如何实现的,我不得不意识到我无法给出答案 为了简单起见,让我们以插入符号leapbackup为例。我知道这是一个包装函数,它使用leaps包的regsubsets。即使有了这些知识,我也想不出插入符号中的反向选择是如何实现的 在我看来,算法似乎是从一个包含所有变量的完整模型开始的。从这个起点开始,它(通过它们在数据帧中的位置?)移除变量,直到有一个由1个变量组成的模型。假设我
leapbackup
为例。我知道这是一个包装函数,它使用leaps包的regsubsets
。即使有了这些知识,我也想不出插入符号中的反向选择是如何实现的
在我看来,算法似乎是从一个包含所有变量的完整模型开始的。从这个起点开始,它(通过它们在数据帧中的位置?)移除变量,直到有一个由1个变量组成的模型。假设我们有20个解释变量,这将导致我们得到20个不同的(只有截距的21个)模型。插入符号然后选择验证集中RMSE最低的模型(取决于您用于列车控制的方法)。通过这种方式,该算法找到了变量数量最优的模型。在此基础上,该算法针对给定的最优变量数,尝试模型中包含的所有不同变量组合。作为最终模型,它选择在验证集中具有最低RMSE的模型
关于插入符号中的反向选择算法的实际工作原理,我的上述假设正确吗?或者其他人知道得更清楚吗?看看插入符号小插曲中的页面,也许你可以找到你想要的。还有一些简单的图像说明了算法的工作原理。