如何对分类模型执行前向回归

Question

我正在尝试根据 csv 中的不同分类执行前向回归。有什么可能的方法吗？由于它不是线性模型，我不能只使用 lm() 函数。

我做了很多研究，但这些并没有告诉我如何在里面拟合分类模型。

这是我尝试构建分类模型的代码：

XBC <- read.csv("C:/Users/SFASi/Desktop/Fusarium Project September/XBC2/XBC(Raw) - Copy.csv")

XBC <- XBC[ -c(1:3) ]
glimpse(XBC)

names <- c(1,2,5,6,8,10)
XBC[,names] <- lapply(XBC[,names],factor)
glimpse(XBC)

set.seed(100)
library(caTools)

spl = sample.split(XBC$Treatment, SplitRatio = 0.7)
train = subset(XBC, spl == TRUE)
test = subset(XBC, spl == FALSE)

print(dim(train));print(dim(test))

model_glm = glm(Treatment~., data = train)
summary(model_glm)

Answer 1

请提供可重现的示例，我们无法访问您的 .csv 文件。 尽管如此，您可以将lm() 函数用于非线性模型。如果我们考虑写成model <- lm(y ~ x, data = .)的线性模型，也可以测试一下：

• 对数转换：model_log <- lm(y ~ log(x), data=.)
• 多项式：model_poly <- lm(y ~ poly(x, degree = n, raw = TRUE) n 待定义。当 raw = TRUE 时，它使用原始而不是正交多项式
• 等。 然后，您可以使用例如summary(model) 访问您的 lm() 模型。