R 有没有一种方法可以使用神经网络（插入符号）尝试所有特征子集？

我正在使用caret和方法avNNET。我想在进行交叉验证时尝试所有变量子集。因此，我可以确定最佳预测值和参数（如蛮力方法）

我用过stepAIC和glm，有类似的吗？

在中，你会发现“pcaNNet”方法，即带特征提取的神经网络

使用它的示例：

# define training control
train_control <- trainControl(method="repeatedcv", number=10, repeats = 10, classProbs = TRUE)

# train the model
model <- train(Status~., data=My_data, trControl=train_control, method="pcaNNet", metric = "Kappa")

# summarize results
print(model)

# Confusion matrix
model %>% confusionMatrix() 

#定义培训控制
训练控制在中，您将发现“pcaNNet”方法，即具有特征提取的神经网络

使用它的示例：

# define training control
train_control <- trainControl(method="repeatedcv", number=10, repeats = 10, classProbs = TRUE)

# train the model
model <- train(Status~., data=My_data, trControl=train_control, method="pcaNNet", metric = "Kappa")

# summarize results
print(model)

# Confusion matrix
model %>% confusionMatrix() 

#定义培训控制
列车控制如果您将method=“svmRadial”更改为method=“avNNet”，则在中有一个功能选择示例，脚本执行您需要的操作？如果您将method=“svmRadial”更改为method=“avNNet”，则在中有一个功能选择示例，脚本执行您需要的操作？