
108
|
第
4
章
BldgGrade + PropertyType + SqFtFinBasement + YrBuilt, data = house0,
na.action = na.omit)
Coefficients:
(Intercept) SqFtTotLiving
6227632.22 186.50
Bathrooms Bedrooms
44721.72 -49807.18
BldgGrade PropertyTypeSingle Family
139179.23 23328.69
PropertyTypeTownhouse SqFtFinBasement
92216.25 9.04
YrBuilt
-3592.47
该函数选取了一个模型,其中的多个变量抽取自 house_full:SqFtLot、NbrLivingUnits、
YrRenovated 和 NewConstruction。
更为简单的做法是
前向选择
(
forward selection
)和
后向选择
(
backward selection
)。在前向
选择中,开始时没有预测因子,而是依次添加的。在每一步添加对
R
2
具有最大贡献的预测
因子。当贡献不再统计显著时,停止继续添加。在后向选择(或
后向删除
)中,一开始就
给出了一个完整的模型,然后从中逐步移除不再统计显著的预测因子,直到模型中所有预
测因子都是统计显著的。
惩罚回归
的思想类似于
AIC
。拟合模型的函数并不是显式地搜索一组离散的模型,而是添
加了一个新限制,对有多个变量(参数)的模型进行惩罚 ...