Блог

Я работаю над проектом, который исследует, насколько хорошо можно предсказать ночную цену в наборе данных airbnb. Мои данные были полностью предварительно обработаны, и я выбрал функции, представляющие интерес.

в конечном счете, ищите статью с кодом в качестве примера, при условии, что у вас есть какие-либо доступные ссылки

всего существует 24 столбца, следовательно, 23 зависимых и 1 независимая переменная price .

Я хочу добавлять и удалять переменные из своей модели в зависимости от того, как это влияет на Adj R2, и хочу сохранить интересные функции только в том случае, если это улучшит Adj R2.

Я стремлюсь полностью выполнить эту задачу в рамках определенной пользователем функции:

 df=[]
predictors= [] #features
target=[]  # price
alpha=[]  

def variable_selection (df, predictors, target, alpha)
   return pred
 

дело в том, что я хочу начать с моделей регрессии с одной переменной, затем добавить еще одну функцию predictors , а затем добавить функцию, которая приводит к наибольшему увеличению AdjR2. Затем добавьте следующую и так далее, пока не останется переменных, увеличивающих AdjR2.

Большое вам спасибо за то, что зашли так далеко. Всего наилучшего вам