Caret 包的置信区间

【问题标题】：Confidence intervals for Caret packageCaret 包的置信区间
【发布时间】：2020-04-30 17:07:27
【问题描述】：

我正在使用 Caret 包进行一些回归分析。我在网上看过，但现在已经找到了解决方案。我的代码如下。有没有办法计算这个模型的置信区间？

set.seed(123)
# Set up repeated k-fold cross-validation
train.control <- trainControl(method = "cv", number = 10,
                              predictionBounds = c(0, NA), verboseIter = TRUE)
# Train the model
step.model <- train(`likes` ~., data = reduced_Data,
                    method = "leapSeq", 
                    tuneGrid = data.frame(nvmax = 1:13),
                    trControl = train.control)


step.model$results

step.model$bestTune

summary(step.model$finalModel)

coef(step.model$finalModel, 2)

我尝试过使用基础包中的预测功能，但没有成功

predict(step.model$finalModel, my_data, interval = "confidence")

【问题讨论】：

标签： r regression

【解决方案1】：

您拥有的是一个 regsubset 类，有来自不同术语子集的结果，您需要一个标准来选择最佳模型，重新拟合模型并进行预测，例如：

library(caret)
train.control <- trainControl(method = "cv",number=3)
step.model <- train(mpg ~., data = mtcars,
method = "leapSeq",trControl = train.control)

假设我们使用最大 r-squared 的模型：

res = summary(step.model$finalModel)
bestm = which.max(res$adjr2)
terms_to_use = names(which(res$which[bestm,]))[-1]
terms_to_use
1] "cyl" "hp"  "wt"

拟合最终模型：

final_form = as.formula(paste("mpg ~",paste(terms_to_use,collapse="+")))
fit = lm(final_form,data=mtcars)

要获得最合适的选择：

predict(fit,se=TRUE)

要获得 95 ci 的系数：

confint(fit)
                 2.5 %       97.5 %
(Intercept) 35.0915623 42.412012412
cyl         -2.0701179  0.186884238
hp          -0.0423655  0.006289293
wt          -4.6839740 -1.649972191

【讨论】：