<\/p>\n
Sie k\u00f6nnen die Funktion regsubsets()<\/strong> aus dem Leaps-<\/strong> Paket in R verwenden, um die Teilmenge der Pr\u00e4diktorvariablen zu finden, die das beste Regressionsmodell erzeugt.<\/span><\/p>\n Das folgende Beispiel zeigt, wie Sie diese Funktion in der Praxis nutzen k\u00f6nnen.<\/span><\/p>\n F\u00fcr dieses Beispiel verwenden wir den in R integrierten mtcars-<\/a> Datensatz, der Messungen zu 11 verschiedenen Attributen f\u00fcr 32 verschiedene Autos enth\u00e4lt.<\/span><\/p>\n Angenommen, wir m\u00f6chten ein Regressionsmodell anpassen, das hp<\/strong> als Antwortvariable und die folgenden potenziellen Pr\u00e4diktorvariablen verwendet:<\/span><\/p>\n Wir k\u00f6nnen die Funktion regsubsets()<\/strong> aus dem Leaps-<\/strong> Paket verwenden, um eine umfassende Suche durchzuf\u00fchren, um das beste Regressionsmodell zu finden:<\/span><\/p>\n Die Sterne ( *<\/strong> ) am unteren Rand des Ergebnisses geben an, welche Pr\u00e4diktorvariablen f\u00fcr jedes m\u00f6gliche Modell mit einer unterschiedlichen Anzahl von Pr\u00e4diktorvariablen zum besten Regressionsmodell geh\u00f6ren.<\/span><\/p>\n So interpretieren Sie das Ergebnis:<\/span><\/p>\n F\u00fcr ein Modell mit einer einzelnen Pr\u00e4diktorvariablen wird das beste Regressionsmodell mit mpg<\/strong> als Pr\u00e4diktorvariable erstellt.<\/span><\/p>\n F\u00fcr ein Modell mit zwei Pr\u00e4diktorvariablen wird das beste Regressionsmodell unter Verwendung von wt<\/b> und qsec<\/strong> als Pr\u00e4diktorvariablen erstellt.<\/span><\/p>\n F\u00fcr ein Modell mit drei Pr\u00e4diktorvariablen wird das beste Regressionsmodell unter Verwendung von mpg<\/strong> , wt<\/b> und qsec<\/strong> als Pr\u00e4diktorvariablen erstellt.<\/span><\/p>\n F\u00fcr ein Modell mit vier Pr\u00e4diktorvariablen wird das beste Regressionsmodell unter Verwendung von mpg<\/strong> , wt<\/b> , drat<\/strong> und qsec<\/strong> als Pr\u00e4diktorvariablen erstellt.<\/span><\/p>\n Beachten Sie, dass Sie f\u00fcr jedes Modell auch die folgenden Metriken extrahieren k\u00f6nnen:<\/span><\/span><\/p>\n Beispielsweise k\u00f6nnen wir die folgende Syntax verwenden, um den angepassten R-Quadrat-Wert f\u00fcr jedes der vier besten Modelle zu extrahieren:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/p>\n Diese Werte geben uns eine Vorstellung davon, wie gut der Satz von Pr\u00e4diktorvariablen den Wert der Antwortvariablen vorhersagte, angepasst basierend auf der Anzahl der Pr\u00e4diktorvariablen im Modell.<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie Sie andere h\u00e4ufige Aufgaben in R ausf\u00fchren:<\/span><\/p>\n So f\u00fchren Sie eine multiple lineare Regression in R durch<\/a> Sie k\u00f6nnen die Funktion regsubsets() aus dem Leaps- Paket in R verwenden, um die Teilmenge der Pr\u00e4diktorvariablen zu finden, die das beste Regressionsmodell erzeugt. Das folgende Beispiel zeigt, wie Sie diese Funktion in der Praxis nutzen k\u00f6nnen. Beispiel: Verwendung von regsubsets() zur Modellauswahl in R F\u00fcr dieses Beispiel verwenden wir den in R integrierten mtcars- […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Beispiel: Verwendung von regsubsets() zur Modellauswahl in R<\/strong><\/span><\/h2>\n
#view first six rows of mtcars dataset<\/strong><\/span>\nhead(mtcars)\n\n mpg cyl disp hp drat wt qsec vs am gear carb\nMazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4\nMazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4\nDatsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1\nHornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1\nHornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2\nValiant 18.1 6 225 105 2.76 3,460 20.22 1 0 3 1\n<\/strong><\/pre>\n\n
library<\/span> (leaps)\n\n#find best regression model\n<\/span>bestSubsets <- regsubsets(hp ~ mpg + wt + drat + qsec, data=mtcars)\n\n#view results\n<\/span>summary(bestSubsets)\n\nSubset selection object\nCall: regsubsets.formula(hp ~ mpg + wt + drat + qsec, data = mtcars)\n4 Variables (and intercept)\n Forced in Forced out\nmpg FALSE FALSE\nwt FALSE FALSE\ndrat FALSE FALSE\nqsec FALSE FALSE\n1 subsets of each size up to 4\nSelection Algorithm: exhaustive\n mpg wt drat qsec\n1 ( 1 ) \"*\" \" \" \" \" \" \" \n2 (1) \" \" \"*\" \" \" \"*\" \n3 ( 1 ) \u201c*\u201d \u201c*\u201d \u201c \u201c \u201c*\u201d \n4 ( 1 ) \u201c*\u201d \u201c*\u201d \u201c*\u201d \u201c*\u201d<\/strong><\/span><\/pre>\n\n
#view adjusted R-squared value of each model<\/span>\nsummary(bestSubsets)$adjr2\n\n[1] 0.5891853 0.7828169 0.7858829 0.7787005\n<\/strong><\/span><\/pre>\n\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So f\u00fchren Sie eine st\u00fcckweise Regression in R durch<\/a>
So f\u00fchren Sie eine Spline-Regression in R durch<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"