• Menu
    • Nos Formations
    • Nos Prestations
    • Les Astuces
Skip to content
Astuces et scripts R
Astuces et scripts R
Primary Navigation Menu
Menu
  • Abcd’R
  • Tous les scripts
    • Voir les articles
    • Proposer un Article
  • Formation au logiciel R
  • Contact

Les dates de formations à R, éligibles au CPF sont en lignes !

Voir nos formations

Sélection de variables avec stepAIC

Par vincent
Le décembre 17, 2024
Dans modélisation
Tagged sélection, stepAIC
Avec 0 Commentaire

Sélection de Variables avec stepAIC en R

La sélection de variables est une étape cruciale dans le développement de modèles statistiques, car elle permet d’identifier les variables les plus pertinentes pour prédire une variable cible. L’une des méthodes populaires pour effectuer cette sélection est la méthode stepAIC du package MASS en R. Dans cet article, nous allons explorer comment utiliser stepAIC pour simplifier un modèle en éliminant les variables non significatives.

Qu’est-ce que stepAIC ?

stepAIC est une fonction qui utilise la méthode de sélection par étapes (stepwise selection) pour choisir les variables d’un modèle linéaire. Elle se base sur le critère d’information d’Akaike (AIC), qui évalue la qualité d’un modèle en tenant compte du nombre de paramètres et de la qualité de l’ajustement. Un AIC plus bas indique un meilleur modèle.

Exemple Pratique

Pour illustrer l’utilisation de stepAIC, nous allons utiliser le jeu de données mtcars, qui contient des informations sur différentes voitures. Nous allons prédire la consommation de carburant (mpg) en fonction de plusieurs variables.

Étape 1 : Charger les bibliothèques nécessaires

# Charger le package MASS
install.packages("MASS")  # À exécuter une seule fois
library(MASS)

Étape 2 : Explorer les données

# Visualiser les premières lignes du jeu de données mtcars
head(mtcars)

Étape 3 : Ajuster un modèle initial

Nous allons d’abord ajuster un modèle linéaire complet avec toutes les variables disponibles.

# Ajuster un modèle linéaire complet
modele_complet <- lm(mpg ~ ., data = mtcars)
summary(modele_complet)

Étape 4 : Appliquer stepAIC

Nous allons maintenant utiliser stepAIC pour réduire le modèle en éliminant les variables non significatives.

# Appliquer stepAIC pour la sélection de variables
modele_reduit <- stepAIC(modele_complet, direction = "both")
summary(modele_reduit)

Étape 5 : Interpréter les résultats

Après avoir exécuté stepAIC, vous obtiendrez un modèle réduit qui contient uniquement les variables significatives. Vous pouvez examiner le résumé du modèle réduit pour voir quelles variables ont été conservées et comment elles influencent la consommation de carburant.

Conclusion

La sélection de variables avec stepAIC est un outil puissant pour simplifier les modèles statistiques tout en conservant les variables les plus pertinentes. En utilisant cette méthode, vous pouvez améliorer la performance de votre modèle et faciliter son interprétation. N’hésitez pas à expérimenter avec vos propres jeux de données pour voir comment stepAIC peut vous aider dans vos analyses.

2024-12-17
Article précédent: Supprimer des valeurs manquantes avec na.omit
Article suivant: Sélectionner des colonnes avec select de dplyr

Formation et consultance

Trouvez votre formation R sur-mesure chez ThinkR

-- Contactez-nous --

Catégories

Commentaires récents

  • Sébastien dans Comment effectuer des calculs de somme et de moyenne sur les colonnes ou les lignes d’une matrice ? colSums, rowSums, colMeans, rowMeans
  • Achraf Mazouz dans Comment effectuer des calculs de somme et de moyenne sur les colonnes ou les lignes d’une matrice ? colSums, rowSums, colMeans, rowMeans
  • Lou Sayd dans Coment alculer simplement la SEM dans R ? (Erreur Standard)
  • Nicolas dans Comment remplacer une chaîne de caractères ? string_replace_all(df, "pattern","replacement")
  • Vincent dans Comment comparer deux moyennes avec R grâce au test de Student ? t.test

Archives

Plan

  • Abcd’R
  • Tous les scripts
    • Proposer un Article
  • Ressources documentaires
    • Le logiciel R
    • Liste des interfaces graphiques
  • Formation au logiciel R
  • Contact
  • Politique de confidentialité

Flux ThinkR – Certification & Formation langage R

  • Déboguer une fonction avec debugonce() ou browser()
  • Dessinez pour gagner : L’impact des maquettes sur vos apps Shiny
  • Gérer et manipuler des dates en 2024 : une année pas comme les autres !
  • Retour vers le turfu : R, le web, et webR
  • Créer un package R et le versionner avec VSCode ? Mission possible !

Méta

  • Connexion
  • Flux des publications
  • Flux des commentaires
  • Site de WordPress-FR

ABCD'R (par ThinkR ) © 2025 - Confidentialité