R语言逻辑回归的示例分析

这篇文章主要介绍R语言逻辑回归的示例分析，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

逻辑回归

> ###############逻辑回归> setwd("/Users/yaozhilin/Downloads/R_edu/data")> accepts<-read.csv("accepts.csv")> names(accepts) [1] "application_id" "account_number" "bad_ind"    "vehicle_year"  "vehicle_make"  [6] "bankruptcy_ind" "tot_derog"   "tot_tr"     "age_oldest_tr" "tot_open_tr"  [11] "tot_rev_tr"   "tot_rev_debt"  "tot_rev_line"  "rev_util"    "fico_score"  [16] "purch_price"  "msrp"      "down_pyt"    "loan_term"   "loan_amt"   [21] "ltv"      "tot_income"   "veh_mileage"  "used_ind"   > accepts<-accepts[complete.cases(accepts),]> select<-sample(1:nrow(accepts),length(accepts$application_id)*0.7)> train<-accepts[select,]###70%用于建模> test<-accepts[-select,]###30%用于检测> attach(train)> ###用glm(y~x,family=binomial(link="logit"))> gl<-glm(bad_ind~fico_score,family=binomial(link = "logit"))> summary(gl)Call:glm(formula = bad_ind ~ fico_score, family = binomial(link = "logit"))Deviance Residuals:   Min    1Q  Median    3Q   Max -2.0794 -0.6790 -0.4937 -0.3073  2.6028 Coefficients:       Estimate Std. Error z value Pr(>|z|)  (Intercept) 9.049667  0.629120  14.38  <2e-16 ***fico_score -0.015407  0.000938 -16.43  <2e-16 ***---Signif. codes: 0 ‘***' 0.001 ‘**' 0.01 ‘*' 0.05 ‘.' 0.1 ‘ ' 1(Dispersion parameter for binomial family taken to be 1)  Null deviance: 2989.2 on 3046 degrees of freedomResidual deviance: 2665.9 on 3045 degrees of freedomAIC: 2669.9Number of Fisher Scoring iterations: 5

多元逻辑回归

> ###多元逻辑回归> gls<-glm(bad_ind~fico_score+bankruptcy_ind+age_oldest_tr++      tot_derog+rev_util+veh_mileage,family = binomial(link = "logit"))> summary(gls)Call:glm(formula = bad_ind ~ fico_score + bankruptcy_ind + age_oldest_tr +   tot_derog + rev_util + veh_mileage, family = binomial(link = "logit"))Deviance Residuals:   Min    1Q  Median    3Q   Max -2.2646 -0.6743 -0.4647 -0.2630  2.8177 Coefficients:         Estimate Std. Error z value Pr(>|z|)  (Intercept)   8.205e+00 7.433e-01 11.039 < 2e-16 ***fico_score   -1.338e-02 1.092e-03 -12.260 < 2e-16 ***bankruptcy_indY -3.771e-01 1.855e-01 -2.033  0.0421 * age_oldest_tr  -4.458e-03 6.375e-04 -6.994 2.68e-12 ***tot_derog    3.012e-02 1.552e-02  1.941  0.0523 . rev_util     3.763e-04 5.252e-04  0.717  0.4737  veh_mileage   2.466e-06 1.381e-06  1.786  0.0741 . ---Signif. codes: 0 ‘***' 0.001 ‘**' 0.01 ‘*' 0.05 ‘.' 0.1 ‘ ' 1(Dispersion parameter for binomial family taken to be 1)  Null deviance: 2989.2 on 3046 degrees of freedomResidual deviance: 2601.4 on 3040 degrees of freedomAIC: 2615.4Number of Fisher Scoring iterations: 5> glss<-step(gls,direction = "both")Start: AIC=2615.35bad_ind ~ fico_score + bankruptcy_ind + age_oldest_tr + tot_derog +   rev_util + veh_mileage         Df Deviance  AIC- rev_util    1  2601.9 2613.9<none>        2601.3 2615.3- veh_mileage   1  2604.4 2616.4- tot_derog    1  2605.1 2617.1- bankruptcy_ind 1  2605.7 2617.7- age_oldest_tr  1  2655.9 2667.9- fico_score   1  2763.8 2775.8Step: AIC=2613.88bad_ind ~ fico_score + bankruptcy_ind + age_oldest_tr + tot_derog +   veh_mileage         Df Deviance  AIC<none>        2601.9 2613.9- veh_mileage   1  2604.9 2614.9+ rev_util    1  2601.3 2615.3- tot_derog    1  2605.7 2615.7- bankruptcy_ind 1  2606.1 2616.1- age_oldest_tr  1  2656.9 2666.9- fico_score   1  2773.2 2783.2

> #出来的数据是logit，我们需要转换> train$pre<-predict(glss,train)> #出来的数据是logit，我们需要转换> train$pre<-predict(glss,train)> summary(train$pre)  Min. 1st Qu. Median  Mean 3rd Qu.  Max.  -4.868 -2.421 -1.671 -1.713 -1.011  2.497 > train$pre_p<-1/(1+exp(-1*train$pre))> summary(train$pre_p)  Min. 1st Qu. Median  Mean 3rd Qu.  Max. 0.00763 0.08157 0.15823 0.19298 0.26677 0.92395

 #逻辑回归不需要检测扰动项，但需要检测共线性 > library(car) > vif(glss) > fico_score bankruptcy_ind age_oldest_tr   tot_derog  veh_mileage  >1.271283    1.144846    1.075603    1.423850    1.003616

以上是“R语言逻辑回归的示例分析”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注编程网行业资讯频道！