具有特定选择标准的 stepLDA - 插入符号

问题描述

我想在 R 中执行分析，我之前在 Systat 和 SPSS 中做过。我在 caret 包中使用逐步线性判别分析 (stepLDA) 方法，但我还无法在 R 中重现我的结果 - 由于某种原因，模型中包含的变量及其顺序不相似。

这可能是由于 Systat/SPSS 和我的训练模型之间的选择过程不同，或者他们对不相等的组大小的处理方式不同？我已经能够在其他软件中指定 F-to-enter 和 F-to-remove 的值，但我不确定插入符号中的 train 函数使用哪个标准。是否可以在我的模型中自定义选择标准以包含或删除基于 F 值的变量？

这是我的代码：

library(caret)

tC_1 <- trainControl(method = "cv")      # 10-fold cross-validation
TrainData <- df[,2:20]                   # columns with independent variables
TrainClasses <- df[,1]                   # column with dependent variable

direction <- "forward"
maxvar <- (5)
tune_md <- data.frame(maxvar,direction) # tuneGrid argument

# model
slda <- train(TrainData,TrainClasses,method = "stepLDA",tuneGrid = tune_md,trControl = tC_1)

以下是给出的输出示例：

 `stepwise classification',using 10-fold cross-validated correctness rate of method lda'.
100 observations of 20 variables in 4 classes; direction: forward
stop criterion: assemble 3 best variables.
correctness rate: 0.69444;  in: "i";  variables (1): i 
correctness rate: 0.84556;  in: "b";  variables (2): i,b 
correctness rate: 0.90889;  in: "d";  variables (3): i,b,d 
correctness rate: 0.91944;  in: "f";  variables (4): i,d,f 
correctness rate: 0.94306;  in: "m";  variables (5): i,f,m 

非常感谢有关如何解决此问题的任何和所有建议。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）