有没有一种方法可以快速决定要用于模型拟合和选择的变量？

Question

我为一个项目加载了带有156个变量的数据集。目标是找出一个模型来预测测试数据集。我对从哪里开始感到困惑。通常，我将从基本的线性回归模型开始，但是从156列/变量开始，应该如何从模型构建开始？谢谢！

Answer 1

这里的问题还很悬而未决。

1. 您需要确认是否要求解回归或分类。

2. 您需要对数据集进行一些描述性统计，以找出数据集中具有的值的类型。是否存在离群值，缺失值，价值为十亿美元的列与价值很小的列相对。

3. 如果您有分类数据，那么您拥有什么类型的分类。分类值的频率计数是多少。

4. 因此，您清除数据（如果需要）

5. 发布此文章后，您可能想了解这156个变量之间的相关性（通过皮尔森或卡方，取决于您所拥有的变量的数据类型），并查看它们之间的相关性。

6. 然后，您可以在查看相关性之后或通过执行PCA（这有助于保留数据集之间的高差异）并将数据集变量减小到较小的维度，选择摆脱某些变量。

7. 然后，您可能会考虑拟合回归模型或分类模型（具体取决于您的需求），以便首先拥有一个更简单的模型，然后在考虑提高准确性（或将损失最小化）时进行调整