R语言做逻辑回归

 

前面写过一个多分类的逻辑回归,现在要做一个简单的二分类,用glm函数

导入csv格式如下:

R语言做逻辑回归_第1张图片

 

mydata<-read.csv("D://li.csv",header=T)
colnames(mydata)<-c("x1","x2","x3","y")
model<-glm(formula = y ~ x1+x2+x3, family = quasibinomial(link = "logit"),data = mydata)
summary(model)

  这里family没有使用binomial,那个会报一个警告,

Warning message:
In eval(family$initialize) : 二项通用线性模型里出现了非整数的#成功!

查了一下,有可能数据是不均匀分布(Overdispersion),把family改成quasi的就行了。不过AIC会变成NA,这下拟合的P值就显著多了。

family = quasibinomial(link = "logit")

R语言做逻辑回归_第2张图片

 

可以参考这个网站:https://stats.stackexchange.com/questions/91724/what-is-quasi-binomial-distribution-in-the-context-of-glm

这里有介绍两者的区别

R语言做逻辑回归_第3张图片

 

做个图,貌似离逻辑回顾的那个曲线有点差距啊。

p<-predict(model,type='response')

 plot(seq(-2,2,length=30),sort(p),col='blue')

R语言做逻辑回归_第4张图片

转载于:https://www.cnblogs.com/marszhw/p/11355299.html

你可能感兴趣的:(R语言做逻辑回归)