Premièrement, le premier mot

Cet article reviendra progressivement. Qu'est-ce qui revient progressivement? Il est littéralement étape par étape.

Nous savons que le yuan de la multi-régression fait référence aux variables et que le grand nombre d'arguments sont de nombreux arguments, à savoir le multiplex. Un problème dans ce multiplex a besoin de nous à considérer, alors joue ce canal? La réponse est parfois utilisée et parfois des tubes sont utilisés. Pour que des personnes inutiles, le mieux que nous ne sommes pas autorisés à rejoindre le modèle de régression. Nous utilisons cette dépistage variable ou le processus ne se permettons pas de tourner.

Nous venons de mentionner que les preuves autonomes sont inutiles, comment pouvez-vous utiliser une variable pour l'utiliser? Le jugement est basé sur l'auto-tournage. Des méthodes spécifiques ajoute une variable variable dans le modèle et s'il existe une réduction restante et significative, s'il existe une diminution significative, cette variable est utile et cette variable peut être ajoutée au modèle, sinon elle est inutile, balleCela peut être retiré du modèle. Il n'y a pas de réduction significative des critères de jugement pour évaluer F.

Choix de changement majeur: aller de l'avant, à l'envers, progressivement renvoyé, le meilleur sous-ensemble, etc nos postes principaux sont principalement Trois.
Lundi, le choix avant
peut être interprété à partir de la sélection à partir de zéro, car le modèle le plus indépendant et les étapes spécifiques sont les suivantes:
Étape 1: Obtenez l'existant K variables et yence modèles de régression, et enfin obtenir les statistiques K et F correspond aux variables de chaque modèle et de leur p_value, choisissez une image indépendante tissulaire du plus grand modèle de modèle F à partir d'un modèle important, ajoutez des arguments au modèle, si la K Modèle n'est pas significatif, puis sélectionnez la fin.
STEP2: À travers la première étape, nous avons une variable significative et ajoute cette variable au modèle. Ensuite, continuez à ajouter les variables restantes dans le modèle a été ajoutée à une variable, peut obtenir mImage parapluie K-1, choisissez ensuite la valeur maximale F et les variables de manière significative dans ce modèle K-1 continuent de participer au modèle. S'il n'y a pas de variables significatives, la sélection se termine.
Répétez les deux étapes ci-dessus jusqu'à ce que aucune variable importante ne soit ajoutée au modèle, qui est l'option de transition.
3

ÉTAPE 1: Obtenez tous les arguments du modèle pour créer un modèle de régression contenant des arguments K. Une fois que chaque variable de tour est supprimée, le modèle de variable K-1 est ensuite retiré. Comparez ce modèle K, voir quelle variable est supprimée, le numéro résiduel minimum et les variables minimales, qui est la variable minimale de cette variable est supprimée du modèle.

STEP2: À travers la première étape, nous avons supprimé une variable inutile, la deuxième étape consiste à supprimer les variables restantes sur la base de la suppression d'une variable. Le modèle carré restant et réduire l'argument minimum supprimé du modèle.

Les deux étapes ci-dessus sont répétées jusqu'à ce que le reste ne soit pas considérablement réduit après avoir supprimé une variable de retournement automatique. À ce stade, variables cEst encore significatif.

Quatrièmement, la régression progressivement

Étape étape par étape consiste à choisir de combiner les deux méthodes pour aller derrière.C'est la variété de ces deux méthodes sélectionnées plusieurs fois.

Étape par étape En augmentant les variables à chaque variable de transition, ajout de l'état F dans le modèle, après avoir ajouté des variables dans le modèle, pour toutes les variables existantes dans le modèle actuel, l'itération et le rejet processus, jusqu'à ce que l'augmentation finale ne puisse pas causer les carrés restants et plus petits.

concernant la mise en œuvre de Python, de nombreux stocks sont prêts sur Internet, tant que le principe est clair, le code est bien compris.