R语言开发之逻辑回归应用了解下

迈不过友情╰ 2022-05-11 02:54 215阅读 0赞

逻辑回归是一种回归模型，其响应变量(因变量)具有分类值，如`True/False`或`0/1`，它实际上是根据与预测变量相关的数学方程，来衡量二进制响应的概率作为响应变量的值，它的数学方程一般为：

y = 1/(1+e^-(a+b1x1+b2x2+b3x3+...))

参数描述如下：

*  *y* \- 是响应变量。
 *  *x* \- 是预测变量。
 *  *a* 和 *b* 是数字常数的系数。

我们通常使用`glm()`函数来创建逻辑回归模型或者在计算逻辑回归，它的语法如下：

glm(formula,data,family)

参数描述如下：

*  *formula* \- 是呈现变量之间关系的符号。
 *  *data* \- 是给出这些变量值的数据集。
 *  *family* \- 是R对象来指定模型的概述，对于逻辑回归，它的值是二项式。

内置数据集`“mtcars”`描述了具有各种发动机规格的汽车的不同型号，并且在`“mtcars”`数据集中，传输模式(自动或手动)由列`am`(其为二进制值(`0`或`1`))描述，我们可以在`“am”`列和另外`3`列 - `hp`，`wt`和`cyl`之间创建逻辑回归模型，先来看示例数据：

# Select some columns form mtcars.
    input <- mtcars[,c("am","cyl","hp","wt")]
    
    print(head(input))

输出结果为：

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

接下来，我们就来使用`glm()`函数来创建回归模型并得到其摘要用于分析，如下：

input <- mtcars[,c("am","cyl","hp","wt")]
    
    am.data = glm(formula = am ~ cyl + hp + wt, data = input, family = binomial)
    
    print(summary(am.data))

输出结果为：

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

其实对于变量`“cyl”`和`“hp”来说`，最后一列的`p`值大于`0.05`，就可认为它们对变量`“am”`的值有微不足道的作用，并且这个回归模型中只有体重(`wt`)才会影响`“am”`值。

好啦，本次记录就到这里了。

如果感觉不错的话，请多多点赞支持哦。。。