R 简明教程
R - Logistic Regression
逻辑回归是一种回归模型,其中响应变量(因变量)具有分类值,如真/假或 0/1。它实际上测量了根据与预测变量有关的数学方程,二元响应的概率作为响应变量的值。
逻辑回归的通用数学方程为 −
y = 1/(1+e^-(a+b1x1+b2x2+b3x3+...))
以下是所用参数的描述 -
-
y 是响应变量。
-
x 是预测变量。
-
a 和 b 是作为数字常量的系数。
用于创建回归模型的函数是 glm() 函数。
Syntax
glm() 函数在逻辑回归中的基本语法为 −
glm(formula,data,family)
以下是所用参数的描述 -
-
formula 是表示变量之间关系的符号。
-
data 是给定这些变量值的数据集。
-
family 为 R 对象,用于指定模型的详细信息。其值为逻辑回归的二项式。
Example
内置数据集“mtcars”描述了不同汽车型号及其各种发动机规格。“mtcars”数据集中,变速模式(自动或手动)由 am 列描述,它是一个二进制值(0 或 1)。我们可以在“am”列和其他 3 个列(hp、wt 和 cyl)之间创建逻辑回归模型。
# Select some columns form mtcars.
input <- mtcars[,c("am","cyl","hp","wt")]
print(head(input))
当我们执行上述代码时,会产生以下结果 -
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
Create Regression Model
我们使用 glm() 函数创建回归模型并获得其摘要以进行分析。
input <- mtcars[,c("am","cyl","hp","wt")]
am.data = glm(formula = am ~ cyl + hp + wt, data = input, family = binomial)
print(summary(am.data))
当我们执行上述代码时,会产生以下结果 -
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