MLR Feature Selection Explorer

載入中…

比較七種特徵選擇演算法（Lasso、Forward SFS、RFE、ElasticNet、SelectKBest、Exhaustive Search、Backward p 值）和 OLS 基準模型，觀察特徵數 k 對偏差與變異的影響。

0. 選擇問題 Problem

1. 特徵選擇演算法 Feature Selection

2. 選擇準則 Selection Criterion

3. 特徵數 k

以訓練集估計；係數單位為「目標單位 / 特徵單位」。

估計值、標準誤、t 統計量、p 值、95% 信賴區間與 VIF（共線性）。

用目前選定的模型即時預測，可拖曳滑桿或直接輸入數值。

預測值

–

Python 模型 .pkl.gz

越貼近對角線越準；點選資料點可查看樣本。

根據目前模型的訓練集殘差計算（L6 Part 4）。

內容依目前的問題與資料自動產生；內建問題附上 Python（scikit-learn / statsmodels）的對照結果。