R语言圈子里面讨论的问题：基于二元分类的交叉验证逐步回归模型

专题介绍：R是一种广泛用于数据分析和统计计算的强大语言，于上世纪90年代开始发展起来。得益于全世界众多爱好者的无尽努力，大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio（用户的界面体验更好）。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献，让R语言在全球范围内越来越流行。其中一些R包，例如MASS，SparkR， ggplot2，使数据操作,可视化和计算功能越来越强大。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。R作为一种统计分析软件，是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上，而且嵌入了一个非常方便实用的帮助系统，相比于其他统计分析软件，R的学术性开发比较早，适合生物学和医学等学术学科的科研人员使用。

这是我的第65篇原创文章，关于R语言和特征选择。

阅读完本文，你可以知道：

1 基于二元分类的交叉验证的逐步回归模型实现

美国格兰特教授认为：“帮助别人解决困难可以让人学习到更多的东西，你的经验和社会资本也随之积累，但这也不是一下子就能兑现的，他会在你不经意时给你带来惊喜。”

昨日，在我们的R语言圈子里面，有一位群友提出了如下问题。

他们组投稿了一篇论文，审稿人的意见：

我们R语言圈子群策群力，提供解决方案。

一种解决方案的R语言参考代码。

# R包
library(mlbench)
library(tidyverse)
library(caret)
library(MASS)
library(funModeling)

# 数据集
data(Ionosphere)

# 数据检视和探索
Ionosphere %>% View
Ionosphere %>% glimpse()
df_status(Ionosphere)

# 数据处理
Ionosphere$Class <- ifelse(as.character(Ionosphere$Class) == 'bad', 1, 0)
data <- Ionosphere %>% dplyr::select(-c(V1, V2))
data$Class <- as.factor(data$Class)

# 数据划分：训练集和测试集
set.seed(1234)
in_train <- createDataPartition(
  y = data$Class,
  p = 0.6,
  list = FALSE
)
training <- data[in_train,]
testing <- data[-in_train,]

# 设置模型拟合参数
# 10次重复10折交叉验证
fitControl <- trainControl(method = "repeatedcv",
                           number = 10,
                           classProbs = TRUE,
                           summaryFunction = twoClassSummary,
                           repeats = 10)

# 逐步回归的交叉验证的方法
glmstep_mod <- train(make.names(Class) ~ .,
                     data = training,
                     method = "glmStepAIC", # glmstepaic
                     trControl = fitControl,
                     metric = "ROC",
                     trace = FALSE)


# 最终模型摘要分析
summary(glmstep_mod$finalModel)

# 实现特征选择的最终模型
final_model <- glmstep_mod$finalModel