Backward Elimination

释义 Definition

后向消除（法）：一种常见的变量选择/特征选择方法，常用于回归等统计建模中。做法是从“包含所有候选变量”的模型开始，依据某个准则（如 p 值、AIC、BIC、交叉验证误差等）逐步删除贡献最小的变量，直到满足停止条件为止。（也用于更广义的模型简化与特征筛选场景。）

发音 Pronunciation (IPA)

/ˈbækwɚd ɪˌlɪməˈneɪʃən/

例句 Examples

We used backward elimination to remove unnecessary predictors.
我们使用后向消除法来移除不必要的预测变量。

Starting from the full model, backward elimination iteratively drops variables to improve interpretability without sacrificing much accuracy.
从全模型出发，后向消除会迭代地剔除变量，以在不明显降低准确性的前提下提升可解释性。

词源 Etymology

backward 表示“向后地、逆向地”，这里指从“完整模型”往回删减；elimination 来自 eliminate（消除、剔除），源于拉丁语词根，含“移除、排除”之意。合起来就是“以逆向方式逐步剔除（变量）”。

相关词 Related Words

• AIC
• BIC
• Feature Selection
• Forward Selection
• Model Selection
• P-value
• Regression
• Stepwise Regression

文献与著作 Literary / Notable Works

• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）——讨论模型选择与变量选择思想（与逐步法/后向消除相关）。
• Applied Regression Analysis and Generalized Linear Models（John Fox）——回归建模中涉及逐步选择、变量剔除等策略。
• An Introduction to Statistical Learning（James, Witten, Hastie, Tibshirani）——以教学方式介绍特征/模型选择的常见方法与注意事项。