Best-Subset Selektion

Methode zur Prädiktorselektion innerhalb multipler Regressionen. Genau wie die Vorwärtsselektion, die Rückwärtsselektion und das kombinierte Vorgehen aus beidem (siehe auch: Vorwärtsselektion, Rückwärtsselektion, kombinierte Rückwärts- und Vorwärtsselektion) ist die Best-Subset Selektion eine Methode der Modellselektion, die z. B. mit dem R Paket leaps verwendet werden kann, um das beste Modell mit einem Prädiktor, das beste Modell mit zwei Prädiktoren usw. zu finden. Vorteil der Best-Subset Selektion ist, dass wirklich ALLE Möglichkeiten durchgetestet werden (die Idee ist also tatsächlich „trial and error“). Dadurch ist die Methode zwar zuverlässig, aber gerade bei vielen Prädiktoren etwas zwischen zeitaufwendig und unmöglich. Da die kombinierte Rückwärts- und Vorwärtsselektion eigentlich immer zum gleichen Ergebnis führt, ist diese in der Regel vorzuziehen.