如何利用Leaps包自动筛选最优子集列并生成新数据集？

步骤说明 #

1. 从regsubsets的摘要结果中提取变量选择逻辑矩阵，矩阵每行对应一个变量数量的最优子集，每列对应原数据特征，TRUE表示该特征被选入当前子集。
2. 结合which.min得到的最优子集变量数，定位到对应行，提取被选中的特征名。
3. 用特征名直接从原数据中筛选列，生成新数据集。

完整代码示例 #

library(leaps)

# 运行特征选择
mtcars.regsubsets <- regsubsets(mpg ~ ., data = mtcars)
reg_summary <- summary(mtcars.regsubsets)

# 确定最优子集的变量数量
best_n <- which.min(reg_summary$cp)

# 提取最优子集对应的特征名
# 注：names(mtcars)[-1]去掉响应变量mpg；reg_summary$which[best_n, -1]去掉截距项列，取对应行的TRUE位置
best_vars <- names(mtcars)[-1][reg_summary$which[best_n, -1]] 

# 生成仅含最优特征的新数据集
mtcars_best_subset <- mtcars[, best_vars]

# 查看结果
head(mtcars_best_subset)

代码解释 #

• reg_summary$which是逻辑矩阵，行代表不同变量数量的子集，列包含截距项和所有特征。
• 通过reg_summary$which[best_n, -1]定位到最优子集的特征选择结果，匹配原数据的特征名后，直接索引原数据框即可自动生成目标数据集，无需手动填写列索引。

内容的提问来源于stack exchange，提问作者Russ Conte