R中的功能选择包，可同时进行回归和分类

我是R的新手。我正在学习机器学习。非常抱歉，如果这个问题看起来很基础。我试图在R中找到一个不错的功能选择包。我通过了Boruta包。这是一个很好的软件包，但我读到它仅对分类有用。

我想在R中为回归任务实现特征选择。我仔细阅读了插入符号包文档，但就我而言，这很难理解。

任何人都可以请我指向一个好的教程或在R中列出任何好的软件包或最常用的软件包进行功能选择。

任何帮助，将不胜感激。提前致谢。

您还可以看看FSelector，varSelRF。FSelector包含多个用于特征选择的功能，例如基于卡方检验，信息论（熵，互信息，增益比等），特征之间的相关性，一致性等。varSelRF是一个有用的软件包使用具有向后变量消除功能和重要性谱的随机森林进行特征选择。

您是否看过机器学习和统计学习 CRAN任务视图，其中除了插入符号和Boruta之外还提到了许多其他软件包？

通常，如果您不了解有关特征选择的特定统计过程，则最好提出针对性的问题。以下CV链接起初可能很方便：自动模型选择算法。

我建议使用随机选择森林特征的Rattle（还有更多）。它具有漂亮的GUI，非常易于使用。

具有套索回归的GLMNET确实具有功能选择。

另外，Caret程序包还提供功能选择方法。这里和这里有一些有关在中使用特征选择的教程Caret package。最近，CRAN中提供了基于Tikka和Hollmén的SISAL算法的功能选择包。