我正在尝试使用最佳子集选择执行回归。
作为一个例子，这里相当于我根据数据集包中的 ChickWeight 数据所做的事情。
leaps_test <- regsubsets(weight~Time+Diet,data=ChickWeight,nbest=1)
不过，我希望能够通过使用残差平方和 (RSS) 来控制如何进行“最佳子集”评估。如果这是默认情况下 regsubsets 的工作方式，我仍然想知道如何更改此标准，以防我想根据信息标准进行评估。
【问题讨论】：
标签： r regression
?regsubsets.default 由于此函数返回最大为 nvmax 的所有大小的单独最佳模型，并且由于不同的模型选择标准（例如 AIC、BIC、CIC、DIC...）仅在比较不同大小的模型方面有所不同，因此结果不取决于成本-复杂性权衡的选择。
但是，如果您想直观地检查不同的关联标准，您可以在 plot 命令中指定不同的比例。
?plot.regsubsets
plot(x, labels=obj$xnames, main=NULL, scale=c("bic", "Cp", "adjr2", "r2"), col=gray(seq(0, 0.9, length = 10)),...)
【讨论】：
问题和答案是两年前的。但我认为回答正在搜索此信息的人仍然有用。我想作为评论回答，但没有足够的声誉。
这回答了 bibzzz 的问题（作为对 Davide Passaretti 回答的评论），如果有两种方法使用 R2 以外的标准进行绘图：使用函数 plot(regsubsets.obj, scale = ...) 中的参数 scale = c("Cp", "adjr2", "r2", "bic") 您可以选择哪些标准你要。
这四个是最受欢迎的标准。也许你想要AIC。但是你不需要它，因为 Cp 和 AIC 给你的结果是一样的，这意味着 Cp 最小的模型也有最小的 AIC。
【讨论】：
来自?regsubsets.default：
由于此函数返回最大为 nvmax 的所有大小的单独最佳模型，并且由于不同的模型选择标准（例如 AIC、BIC、CIC、DIC...）仅在比较不同大小的模型方面有所不同，因此结果不会取决于成本-复杂性权衡的选择。
【讨论】：