如何解决具有特定选择标准的 stepLDA - 插入符号
我想在 R 中执行分析,我之前在 Systat 和 SPSS 中做过。我在 caret 包中使用逐步线性判别分析 (stepLDA) 方法,但我还无法在 R 中重现我的结果 - 由于某种原因,模型中包含的变量及其顺序不相似。
这可能是由于 Systat/SPSS 和我的训练模型之间的选择过程不同,或者他们对不相等的组大小的处理方式不同?我已经能够在其他软件中指定 F-to-enter 和 F-to-remove 的值,但我不确定插入符号中的 train
函数使用哪个标准。是否可以在我的模型中自定义选择标准以包含或删除基于 F 值的变量?
这是我的代码:
library(caret)
tC_1 <- trainControl(method = "cv") # 10-fold cross-validation
TrainData <- df[,2:20] # columns with independent variables
TrainClasses <- df[,1] # column with dependent variable
direction <- "forward"
maxvar <- (5)
tune_md <- data.frame(maxvar,direction) # tuneGrid argument
# model
slda <- train(TrainData,TrainClasses,method = "stepLDA",tuneGrid = tune_md,trControl = tC_1)
以下是给出的输出示例:
`stepwise classification',using 10-fold cross-validated correctness rate of method lda'.
100 observations of 20 variables in 4 classes; direction: forward
stop criterion: assemble 3 best variables.
correctness rate: 0.69444; in: "i"; variables (1): i
correctness rate: 0.84556; in: "b"; variables (2): i,b
correctness rate: 0.90889; in: "d"; variables (3): i,b,d
correctness rate: 0.91944; in: "f"; variables (4): i,d,f
correctness rate: 0.94306; in: "m"; variables (5): i,f,m
非常感谢有关如何解决此问题的任何和所有建议。
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。