因为工作需要，所以需要对数据进行分类。虽然分类方法很多，但是能够有效并且快速的分类还是蛮少的。以下是两种分类方法，CLuster函数没有对原始数据进行任何处理，直接进行聚类分析。LmReg函数是在线性回归的基础上，先进行变量选择后，再聚类。结果很客观，分类正确率从49%增加至75%。但这都不是这篇博客的重点，毕竟分类正确率，只停留在75%，还是很牞铯的，仍然需要其他方法继续探索。
这篇文章想分享的，其实还是线性回归的自动选择。
平时我们做线性回归分析，都是先包含所有变量，然后根据P值，一个变量一个变量进行筛选，再看效果如何。但这样的手速实在太慢了，P值就在那里，不来不去。我的想法是：根据P值的不同，进行变量的自动选择。把P值小于0.05的参与变量拿出来，进行线性回归，得到一个AIC值；把P值小于0.1的参与变量拿出来，进行线性回归，再得到一个AIC值。如此重复，在诸多可能情况下，选择最小的AIC值所对应的参与变量，就是最优的变量剩余。
途中，遇到一个超大bug，这一定跟我基础不牢固有关系——变量的混用。看我代码的LmReg函数i,j处应该不难理解，当时就是把i 混用到ColNum这里来了，而List列表标号，是整数！！！！！
切记！！变量不能混用！！
先把我的代码贴上，包括两个函数：1、分类正确率计算函数；2、线性回归自动选择自变量函数。
CLuster <- function(Data){
Classified <- dist(Data[,2:ncol(Data)],method='euclidean') %>% hclust() %>% cutree(k=2)
CorrectRatio <- table(Classified==Data[,1])/sum(table(Classified==Data[,1]))
print(list(Classified,CorrectRatio))
}
LmReg <- function(Data){
Data[,1] <- as.numeric(Data[,1]) # 我的数据框，第一列是因变量，factor类型
Tmp1 <- lm(class~.,data=Data) %>% summary # 做线性回归
Tmp11 <- as.data.frame(Tmp1$coefficients)[-1,] # 提取出线性回归时得到的coefficients表
ColNum <- list() # 将要参与线性回归的列数以列表型保存下来，因为随着P值的增大，列数肯定越多
aic <- c() # aic值的保存，用这个值确定哪些自变量进行线性回归时，所取得的效果最好
for(i in seq(0.05,1,length.out = 20)){
j <- round(i*20,0)
ColNum[[j]] <- which(Tmp11$`Pr(>|t|)` < i) + 1 # 加1是因为，我的自变量是从第二列开始的。
aic <- c(aic,lm(class~.,data=Data[,c(1,ColNum[[j]])]) %>% AIC)
}
print(list(ColNum,aic,which.min(aic),lm(class~.,data=Data[,c(1,ColNum[[which.min(aic)]])]) %>% summary,CLuster(Data[,c(1,ColNum[[which.min(aic)]])]))) # 输出P值不同时的参与列数、对应的AIC值、回归效果以及分类正确率。
}
效果如下：（第二个函数print的东西太多，所以看起来有点杂乱）
