R語(yǔ)言中邏輯回歸知識(shí)點(diǎn)總結(jié)
邏輯回歸是回歸模型,其中響應(yīng)變量(因變量)具有諸如True / False或0/1的分類值。 它實(shí)際上基于將其與預(yù)測(cè)變量相關(guān)的數(shù)學(xué)方程測(cè)量二元響應(yīng)的概率作為響應(yīng)變量的值。
邏輯回歸的一般數(shù)學(xué)方程為
y = 1/(1+e^-(a+b1x1+b2x2+b3x3+...))
以下是所使用的參數(shù)的描述
- y是響應(yīng)變量。
- x是預(yù)測(cè)變量。
- a和b是作為數(shù)字常數(shù)的系數(shù)。
用于創(chuàng)建回歸模型的函數(shù)是glm()函數(shù)。
語(yǔ)法
邏輯回歸中g(shù)lm()函數(shù)的基本語(yǔ)法是
glm(formula,data,family)
以下是所使用的參數(shù)的描述
- formula是表示變量之間的關(guān)系的符號(hào)。
- data是給出這些變量的值的數(shù)據(jù)集。
- family是R語(yǔ)言對(duì)象來(lái)指定模型的細(xì)節(jié)。 它的值是二項(xiàng)邏輯回歸。
例
內(nèi)置數(shù)據(jù)集“mtcars”描述具有各種發(fā)動(dòng)機(jī)規(guī)格的汽車的不同型號(hào)。 在“mtcars”數(shù)據(jù)集中,傳輸模式(自動(dòng)或手動(dòng))由am列描述,它是一個(gè)二進(jìn)制值(0或1)。 我們可以在列“am”和其他3列(hp,wt和cyl)之間創(chuàng)建邏輯回歸模型。
# Select some columns form mtcars.
input <- mtcars[,c("am","cyl","hp","wt")]
print(head(input))
當(dāng)我們執(zhí)行上面的代碼,它產(chǎn)生以下結(jié)果
am cyl hp wt
Mazda RX4 1 6 110 2.620
Mazda RX4 Wag 1 6 110 2.875
Datsun 710 1 4 93 2.320
Hornet 4 Drive 0 6 110 3.215
Hornet Sportabout 0 8 175 3.440
Valiant 0 6 105 3.460
創(chuàng)建回歸模型
我們使用glm()函數(shù)創(chuàng)建回歸模型,并得到其摘要進(jìn)行分析。
input <- mtcars[,c("am","cyl","hp","wt")]
am.data = glm(formula = am ~ cyl + hp + wt, data = input, family = binomial)
print(summary(am.data))
當(dāng)我們執(zhí)行上面的代碼,它產(chǎn)生以下結(jié)果
Call:
glm(formula = am ~ cyl + hp + wt, family = binomial, data = input)
Deviance Residuals:
Min 1Q Median 3Q Max
-2.17272 0.14907 0.01464 0.14116 1.27641
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 19.70288 8.11637 2.428 0.0152 *
cyl 0.48760 1.07162 0.455 0.6491
hp 0.03259 0.01886 1.728 0.0840 .
wt 9.14947 4.15332 2.203 0.0276 *
---
Signif. codes: 0 ‘***' 0.001 ‘**' 0.01 ‘*' 0.05 ‘.' 0.1 ‘ ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 43.2297 on 31 degrees of freedom
Residual deviance: 9.8415 on 28 degrees of freedom
AIC: 17.841
Number of Fisher Scoring iterations: 8
結(jié)論
在總結(jié)中,對(duì)于變量“cyl”和“hp”,最后一列中的p值大于0.05,我們認(rèn)為它們對(duì)變量“am”的值有貢獻(xiàn)是無(wú)關(guān)緊要的。 只有重量(wt)影響該回歸模型中的“am”值。
到此這篇關(guān)于R語(yǔ)言中邏輯回歸知識(shí)點(diǎn)總結(jié)的文章就介紹到這了,更多相關(guān)R語(yǔ)言邏輯回歸內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
R語(yǔ)言讀取txt文件中的內(nèi)容實(shí)現(xiàn)
R語(yǔ)言提供了多種讀取文本數(shù)據(jù)的函數(shù),本文主要介紹了R語(yǔ)言讀取txt文件中的內(nèi)容實(shí)現(xiàn),具有一定的參考價(jià)值,感興趣的可以了解一下2024-03-03
R語(yǔ)言運(yùn)算符知識(shí)點(diǎn)總結(jié)
在本篇文章里小編給大家整理的是一篇關(guān)于R語(yǔ)言運(yùn)算符知識(shí)點(diǎn)總結(jié)內(nèi)容,有興趣的朋友們可以學(xué)習(xí)參考下。2021-03-03
R語(yǔ)言變量級(jí)別的數(shù)據(jù)處理操作
這篇文章主要介紹了R語(yǔ)言變量級(jí)別的數(shù)據(jù)處理操作,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-04-04
R語(yǔ)言中dnorm,pnorm,qnorm和rnorm的區(qū)別淺析
正在學(xué)習(xí)R語(yǔ)言統(tǒng)計(jì)學(xué)的小伙伴,可能會(huì)被各種專有名詞所困擾,下面這篇文章主要給大家介紹了關(guān)于R語(yǔ)言中dnorm,pnorm,qnorm和rnorm區(qū)別的相關(guān)資料,需要的朋友可以參考下2022-12-12
R語(yǔ)言 title()函數(shù)的參數(shù)用法說(shuō)明
這篇文章主要介紹了R語(yǔ)言 title()函數(shù)的參數(shù)用法說(shuō)明,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-04-04

