我看到了很多关于如何进行回归的示例(线性,多元...等),但是在我看到的每个示例中,您都必须在公式中定义每个特征...
linearMod <- lm(Y ~ x1 + x2 + x3 + ..., data=myData)
好吧,我们使用TSFresh生成了更多功能。大约100。那么我现在应该怎么做?我真的不想一直输入x1 ..一直到.. x100。
在Phyton scikit-learn中,我可以输入所有数据:
lm = linear_model.LinearRegression()
model = lm.fit(X,y)
然后对每个“功能组”重复此操作以创建多元线性回归。
有没有办法在R中做到这一点?还是我做错了?也许是另一种方法?
最初,我们每行有8个功能部件/属性。借助TSFresh,我们可以合并更多此类文件。 (平均值,性病等)
这些特征中的每一个对Y结果都有相当大的线性影响。那么,现在如何定义只使用所有扩展特征的多重线性模型呢?理想情况下,无需我每次手动告诉它。
因此,例如(一个公式可能是Y的特征1-12),下一个公式(Y的特征13-24),依此类推。有没有简单的方法可以做到这一点?
最佳答案
如果要对除Y
以外的所有变量进行回归,可以执行
lm(Y ~ ., data = myData)