老忠实社区你好，
这可能是一个，因为我几乎找不到任何材料。
问题 我有理事会在澳大利亚新南威尔士州犯下的犯罪数据集，并将其与理事会的平均房价合并。我现在正在制作一个线性回归，试图通过附近的犯罪来预测房价。问题是，我有49个罪行，只想在我的模型中使用最好的（统计学上讲）。
我对所有变量和一些变量（使用相关性）运行回归分数，结果来自.23 - .38，但我想尽可能地完善这一点 - 如果有办法做到这一点当然
我已经考虑过对所有可能的组合进行循环，但根据谷歌，这最终会导致数百万。
所以，我的朋友们 - 我怎么能python这个数据帧来获得最好的列？
答案 0 :(得分：2)
如果我可以添加，您可能需要查看Python包mlxtend，http://rasbt.github.io/mlxtend。
这是一个包含多个前向/后向逐步回归算法的软件包，同时仍然使用sklearn的回归量/选择器。
答案 1 :(得分：0)
解决这个问题没有黄金标准你是对的，选择每个组合在大多数情况下计算不可行 - 特别是49个变量。一种方法是通过基于用户指定的p值标准添加/删除变量来实现前向或后向选择（这是您提到的统计相关标准）。对于使用statsmodels的python实现，请查看以下链接：
其他方法的统计有效性较低＆＃39;将定义模型评估度量（例如，r平方，均方误差等）并使用诸如LASSO，随机森林，遗传算法等的变量选择方法来识别优化所选度量的变量集。我发现在实践中，在投票类型方案中加入这些技术效果最好，因为不同的技术对某些类型的数据更有效。从sklearn查看下面的链接，看看您可以使用数据快速编码的一些选项：
如果你愿意，我会尝试一些技巧，看看答案是否收敛到同一组功能 - 这将让你对变量之间的关系有所了解。