bayesglm 特征选择

【问题标题】：R caret / rfe / bayesglm feature selectionR caret / rfe / bayesglm 特征选择
【发布时间】：2013-01-02 18:43:02
【问题描述】：

我正在使用bayesglm 来解决逻辑回归问题。这是一个包含 150 行和 2000 个变量的数据集。我正在尝试进行变量选择，通常在caret::rfe 中查看glmnet。但是没有bayesglm 的方法。

是否有手动定义rfe 的方法？

【问题讨论】：

你能指定是特征选择涉及rfeControl()你想做rfe吗？并且（来自插入符号手册）这些函数的示例包含在包中：lmFuncs、rfFuncs、treebagFuncs 和 nbFuncs。，没有bayesglm 函数吗？对吗？

标签： r r-caret rfe bayesglm

【解决方案1】：

至于问题我只能想到重写lmFuncs$fit函数，例如：

lmFuncs$fit<-function (x, y, first, last, ...){   
     tmp <- as.data.frame(x)   
     tmp$y <- y   
 bayesglm (y ~ ., family = gaussian, data = tmp)
}

然后用rfeControl(functions = lmFuncs) 做你的rfe.fit

【讨论】：

太棒了。我不知道你可以重写函数。非常感谢。
希望它能解决问题！我使用插入符号进行特征选择，但我没有重写函数，而是使用插入符号提供的所有可能的回归/分类训练方法，然后调用 rfe() 函数或使用拟合模型的 predict() 函数。然后我假设从最终模型（主要是 ANN）中显式哪些特征。