R語言中邏輯回歸知識點總結

更新時間：2021年05月07日 15:13:14 作者：w3cschool

在本篇文章里小編給大家總結了關于R語言中邏輯回歸知識點相關內(nèi)容，有需要的朋友們跟著學習下。

邏輯回歸是回歸模型，其中響應變量（因變量）具有諸如True / False或0/1的分類值。它實際上基于將其與預測變量相關的數(shù)學方程測量二元響應的概率作為響應變量的值。

邏輯回歸的一般數(shù)學方程為

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

以下是所使用的參數(shù)的描述

y是響應變量。
x是預測變量。
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)。

語法

邏輯回歸中glm()函數(shù)的基本語法是

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系的符號。
data是給出這些變量的值的數(shù)據(jù)集。
family是R語言對象來指定模型的細節(jié)。它的值是二項邏輯回歸。

例

內(nèi)置數(shù)據(jù)集“mtcars”描述具有各種發(fā)動機規(guī)格的汽車的不同型號。在“mtcars”數(shù)據(jù)集中，傳輸模式（自動或手動）由am列描述，它是一個二進制值（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))

當我們執(zhí)行上面的代碼，它產(chǎn)生以下結果

                  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))

當我們執(zhí)行上面的代碼，它產(chǎn)生以下結果

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