逐步和“所有子集”方法通常不好。请参阅 David Cassell 和我本人（我们使用 SAS，但该课程适用）或 Frank Harrell 回归建模策略的 Stopping Stepwise：Why Stepwise Methods are Bad and what you Should Use。如果您需要自动方法，我推荐 LASSO 或 LAR。这里有一个逻辑回归的 LASSO 包，另一篇有趣的文章是关于逻辑回归的迭代 LASSO

首先，不是逻辑回归的合适拟合优度度量，例如，或$R^2$$AIC$$BIC$

Logistic回归是通过最大似然法估计的，所以leaps这里不直接使用。功能的扩展leaps是bestglm包（通常建议如下，请参阅那里的小插曲）。glm()

您可能还对 David W. Hosmer、Borko Jovanovic 和 Stanley Lemeshow Best Subsets Logistic Regression // Biometrics Vol. 的文章感兴趣。45，第 4 期（1989 年 12 月），第 1265-1270 页（通常可通过大学网络访问）。

一个想法是使用随机森林，然后使用它输出的变量重要性度量来选择最好的 8 个变量。另一个想法是使用“boruta”包重复这个过程几百次，以找到对模型始终最重要的 8 个变量。

stats::step函数或更通用的MASS::stepAIC函数支持lm，glm（包括逻辑回归）和aov族模型。