<\/p>\n
\u00c8 possibile utilizzare la funzione regsubsets()<\/strong> del pacchetto leaps<\/strong> in R per trovare il sottoinsieme di variabili predittive che produce il miglior modello di regressione.<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa funzione nella pratica.<\/span><\/p>\n Per questo esempio, utilizzeremo il set di dati mtcars<\/a> integrato in R, che contiene misurazioni su 11 attributi diversi per 32 auto diverse.<\/span><\/p>\n Supponiamo di voler adattare un modello di regressione utilizzando hp<\/strong> come variabile di risposta e le seguenti potenziali variabili predittive:<\/span><\/p>\n Possiamo utilizzare la funzione regsubsets()<\/strong> del pacchetto leaps<\/strong> per eseguire una ricerca esaustiva per trovare il miglior modello di regressione:<\/span><\/p>\n Le stelle ( *<\/strong> ) nella parte inferiore del risultato indicano quali variabili predittive appartengono al miglior modello di regressione per ogni possibile modello con un numero diverso di variabili predittive.<\/span><\/p>\n Ecco come interpretare il risultato:<\/span><\/p>\n Per un modello con una singola variabile predittiva, il miglior modello di regressione viene prodotto utilizzando mpg<\/strong> come variabile predittiva.<\/span><\/p>\n Per un modello con due variabili predittive, il miglior modello di regressione viene prodotto utilizzando wt<\/b> e qsec<\/strong> come variabili predittive.<\/span><\/p>\n Per un modello con tre variabili predittive, il miglior modello di regressione viene prodotto utilizzando mpg<\/strong> , wt<\/b> e qsec<\/strong> come variabili predittive.<\/span><\/p>\n Per un modello con quattro variabili predittive, il miglior modello di regressione viene prodotto utilizzando mpg<\/strong> , wt<\/b> , drat<\/strong> e qsec<\/strong> come variabili predittive.<\/span><\/p>\n Tieni presente che puoi anche estrarre le seguenti metriche per ciascun modello:<\/span><\/span><\/p>\n Ad esempio, possiamo utilizzare la seguente sintassi per estrarre il valore R quadrato adattato per ciascuno dei quattro modelli migliori:<\/span><\/p>\n Dal risultato possiamo vedere:<\/span><\/p>\n Questi valori ci danno un’idea di quanto bene l’insieme di variabili predittive ha previsto il valore della variabile di risposta, aggiustato in base al numero di variabili predittive nel modello.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in R:<\/span><\/p>\n Come eseguire la regressione lineare multipla in R<\/a> \u00c8 possibile utilizzare la funzione regsubsets() del pacchetto leaps in R per trovare il sottoinsieme di variabili predittive che produce il miglior modello di regressione. L’esempio seguente mostra come utilizzare questa funzione nella pratica. Esempio: utilizzo di regsubsets() per la selezione del modello in R Per questo esempio, utilizzeremo il set di dati mtcars integrato […]<\/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 Esempio: utilizzo di regsubsets() per la selezione del modello 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
Risorse addizionali<\/strong><\/span><\/h2>\n
Come eseguire la regressione a tratti in R<\/a>
Come eseguire la regressione spline in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"