AIC 使用 train() 函数后的 qqplot（和其他诊断图）

Question

我正在使用 train() 函数通过逐步变量选择来拟合 OLS。

在我运行模型并尝试使用 plot() 绘制 qqplot 之后，它根据预测变量的最大数量绘制 RMSE。

有没有办法在上面的模型之后绘制 qqplot 和其他诊断图？

我写的代码如下：

OLS_AIC_CV = train(Variable ~ . , data = df_train_all, 
                       method = "leapSeq", 
                       trControl = trainControl(method = "cv", number = 3), 
                       tuneGrid = data.frame(nvmax = 1:10) 
                   )   

plot(OLS_AIC_CV)

谢谢，

Answer 1

你可以这样尝试：从逐步selection，select最好的变量子集，用最好的子集重新拟合一个lm模型，然后提取来自新 lm obkect.

的 qqplot

data("mtcars")
library(caret)
set.seed(5)
OLS_AIC_CV = train(mpg ~ . , data = mtcars, 
                   method = "leapSeq", 
                   trControl = trainControl(method = "cv", number = 3), 
                   tuneGrid = data.frame(nvmax = 1:10) 
)   

fit <- OLS_AIC_CV$finalModel
#extract the best subset of variable 
x <- summary(fit)$which[2,-1]
new.df <- mtcars[,x]
#refit the lm model 
OLS <-  train(
  mpg ~ .,
  data = new.df,
  method = "lm",
  trControl = trainControl(method = "cv", number = 3)
)   
#plot the qqplot 
plot(OLS$finalModel,2)

AIC 使用 train() 函数后的 qqplot（和其他诊断图）

qqplot (and other plots for diagnostics) after AIC using train() function

plot

regression

r

r-caret