亲宝软件园·资讯

展开

R语言 前向逐步回归 详解R语言实现前向逐步回归(前向选择模型)

gaomeihong1993 人气:0
想了解详解R语言实现前向逐步回归(前向选择模型)的相关内容吗,gaomeihong1993在本文为您仔细讲解R语言 前向逐步回归的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:R语言,前向逐步回归,R语言,前向选择模型,下面大家一起来学习吧。

前向逐步回归原理

前向逐步回归的过程是:遍历属性的一列子集,选择使模型效果最好的那一列属性。接着寻找与其组合效果最好的第二列属性,而不是遍历所有的两列子集。以此类推,每次遍历时,子集都包含上一次遍历得到的最优子集。这样,每次遍历都会选择一个新的属性添加到特征集合中,直至特征集合中特征个数不能再增加。

数据导入并分组

导入数据,将数据集抽取70%作为训练集,剩下30%作为测试集。特征与标签分开存放。

导入数据

R语言的实现如下图:

在这里插入图片描述

train和test中存储的数据情况如下:

在这里插入图片描述

特征与标签分开存放

R语言的实现如下图:

在这里插入图片描述

前向逐步回归构建输出特征集合

通过for循环,从属性的一个子集开始进行遍历。第一次遍历时,该子集为空。每一个属性被加入子集后,通过线性回归来拟合模型,并计算在测试集上的误差,每次遍历选择得到误差最小的一列加入输出特征集合中。最终得到输出特征集合的关联索引和属性名称。

从空开始一次创建属性列表

R语言的实现如下图:

在这里插入图片描述

模型效果评估

分别画出RMSE与属性个数之间的关系,前向逐步预测算法对数据预测对错误直方图,和真实标签与预测标签散点图。R实现如下:

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

加载全部内容

相关教程
猜你喜欢
用户评论