我想使用递归特征消除方法来选择顶级特征，然后将它们放入机器学习模型中。我把RFE的代码写成
library(mlbench)
library(caret)
control <- rfeControl(functions=rfFuncs, method="cv", number=10)
results <- rfe(train[,1:134], train[,135], sizes=c(1:134),rfeControl=control)
print(results)
predictors(results)
然后代码给了我最重要的特征：[1]“a”“b”“c”“d”“e”，最后我把这些特征放在模型中：
weighted_fit <- train(x ~ a+b+c+d,
data = train,
method = 'glmnet',
trControl = ctrl)
我的问题是每次 RFE 给我的顶级特征 [1] "a" "b" "c" "d" "e" 时，我必须将它们编辑为 a+b+c+d 并将它们放入模型中但是，如果手动选择了 50 个特征作为顶级特征，则无法对其进行编辑并将它们放入模型中，是否有任何方法可以自动执行此操作。我真的很感激你的意见。
是help("update")您要找的吗？
x <- rnorm(10)
a <- 1:10
b <- 11:20
c <- 21:30
d <- rnorm(10)
fmla <- x ~ a
update(fmla, "~b")
#x ~ b
new <- c("b", "c", "d")
update(fmla, paste("~", paste(new, collapse = "+")))
#x ~ b + c + d
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句