如何解决西比|统计：迭代变量选择根据 AdjR2 添加或删除特征：回归
我正在开展一个项目，研究 夜间价格 在 airbnb 数据集上的预测效果。我的数据已经过完全预处理，我选择了感兴趣的特征。
总共有 24 列，因此有 23 个因变量和 1 个自变量 price。
我想根据变量如何影响 Adj R2 在我的模型中添加和删除变量，并且只希望在改进 Adj R2 时保留感兴趣的特征。
df=[]
predictors= [] #features
target=[] # price
alpha=[]
def variable_selection (df,predictors,target,alpha)
return pred
事情是，我想从一个变量回归模型开始，然后从 predictors 添加另一个特征，然后添加导致 AdjR2 增加最大的特征。然后添加下一个等第四个，直到没有增加 AdjR2 的变量为止。
非常感谢您走到这一步。祝你一切顺利
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
