R caret/rfe/bayesglm 特征选择

Question

我正在使用 bayesglm 解决逻辑回归问题。这是一个包含 150 行和 2000 个变量的数据集。我正在尝试进行变量选择，通常会查看 caret::rfe 中的 glmnet。但是，bayesglm 没有方法。

有没有办法为rfe手动定义一个方法？

Answer 1

这个问题我只能想到重写lmFuncs$fit函数，例如:

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

然后使用 rfeControl(functions = lmFuncs)

执行您的 rfe.fit