[R插入符号/ RFE/bayesglm特征选择

我使用bayesglm的回归问题。它是一个包含150行和2000个变量的数据集。我试图做变量选择，通常看glmnet在caret::rfe。但是，bayesglm没有方法。[R插入符号/ RFE/bayesglm特征选择

反正是有手动定义rfe的方法？

2013-01-02 screechOwl

您可以指定特征选择涉及rfeControl（）要做rfe？和（来自尖号说明书）这些函数_examples包含在包：lmFuncs，rfFuncs，treebagFuncs和 nbFuncs._，没有bayesglm功能？是对的吗？ –

对于这个问题我只能想到改写lmFuncs$fit功能，例如：

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

，然后做你的rfe.fit与rfeControl(functions = lmFuncs)

2013-01-02 22:20:52

真棒。我不知道你可以重写这些函数。非常感谢你。 – screechOwl

希望它会做的伎俩！我使用插入符号的特征选择，但不是重写功能，我用从插入符号所有可能的回归/分类的训练方法，然后我跟拟合模型调用其中RFE（）函数或预测（）。然后我假设从最终模型（主要是人工神经网络）明确哪些特征。 –

回答