Может ли кто-нибудь предоставить мне подробный пример использования функции Caret rfe
с помощью модели glm или glmnet? Я пробовал что-то вроде этого:Как сделать рекурсивное устранение функции с логистической регрессией?
rfe_records <- Example_data_frame
rfe_ctrl <- rfeControl(functions = caretFuncs, method = "repeatedcv", repeats = 5, verbose = TRUE, classProbs = TRUE, summaryFunction = twoClassSummary)
number_predictors <- dim(rfe_records)[2]-1
x <- dplyr::select(rfe_records, -outcomeVariable)
y <- as.numeric(rfe_records$outcomeVariable)
glmProfile <- rfe(x, y, rfeControl = rfe_ctrl, sizes = c(1:number_predictors), method="glmnet", preProc = c("center", "scale"), metric = "Accuracy")
print(glmProfile)
Но результаты, которые я получаю, не то, что мне нужно. Я заданная точность, как метрика, но я получил:
Recursive feature selection
Outer resampling method: Cross-Validated (10 fold, repeated 5 times)
Resampling performance over subset size:
Variables RMSE Rsquared RMSESD RsquaredSD Selected
1 0.5047 0.10830 0.04056 0.11869 *
2 0.5058 0.09386 0.04728 0.11332
3 0.5117 0.08565 0.04999 0.10211
4 0.5139 0.07490 0.05042 0.10048
5 0.5166 0.07678 0.05456 0.09966
6 0.5202 0.08203 0.06174 0.10822
7 0.5187 0.08471 0.06207 0.10893
8 0.5168 0.07850 0.05939 0.09697
9 0.5175 0.08228 0.05966 0.10068
10 0.5176 0.08180 0.05980 0.10042
11 0.5179 0.08015 0.05950 0.09905
The top 1 variables (out of 1):
varName
Может быть, не относится к этому сайту, поскольку он касается почти исключительно вопросов программирования R. –
Где вы говорите, что вы выполняете логистическую регрессию? – EdM
Вопросы о том, как использовать программное обеспечение, как правило, не относятся к теме. Это не вопрос * программирования *, тем не менее, поэтому он будет отключен от темы [SO]. Кажется, он просит учебник; это вне темы повсюду в системе SE, AFAIK. – gung