怎么在R语言中实现逻辑回归

怎么在R语言中实现逻辑回归？针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

什么是R语言

R语言是用于统计分析、绘图的语言和操作环境，属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。

逻辑回归是回归模型，其中响应变量（因变量）具有诸如True / False或0/1的分类值。 它实际上基于将其与预测变量相关的数学方程测量二元响应的概率作为响应变量的值。

逻辑回归的一般数学方程为

y = 1/(1+e^-(a+b1x1+b2x2+b3x3+...))

以下是所使用的参数的描述 

• y是响应变量。

• x是预测变量。

• a和b是作为数字常数的系数。

用于创建回归模型的函数是glm()函数。

语法

逻辑回归中glm()函数的基本语法是

glm(formula,data,family)

以下是所使用的参数的描述 

• formula是表示变量之间的关系的符号。

• data是给出这些变量的值的数据集。

• family是R语言对象来指定模型的细节。 它的值是二项逻辑回归。

例

内置数据集“mtcars”描述具有各种发动机规格的汽车的不同型号。 在“mtcars”数据集中，传输模式（自动或手动）由am列描述，它是一个二进制值（0或1）。 我们可以在列“am”和其他3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))

当我们执行上面的代码，它产生以下结果

  am   cyl  hp    wtMazda RX4          1   6    110   2.620Mazda RX4 Wag      1   6    110   2.875Datsun 710         1   4     93   2.320Hornet 4 Drive     0   6    110   3.215Hornet Sportabout  0   8    175   3.440Valiant            0   6    105   3.460

创建回归模型

我们使用glm()函数创建回归模型，并得到其摘要进行分析。

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

当我们执行上面的代码，它产生以下结果

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 freedomResidual deviance:  9.8415  on 28  degrees of freedomAIC: 17.841Number of Fisher Scoring iterations: 8

关于怎么在R语言中实现逻辑回归问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注编程网行业资讯频道了解更多相关知识。