
自己整理編寫(xiě)的邏輯回歸模板,作為學(xué)習(xí)筆記記錄分享。數(shù)據(jù)集用的是14個(gè)自變量Xi,一個(gè)因變量Y的australian數(shù)據(jù)集。
1. 測(cè)試集和訓(xùn)練集3、7分組
[html] view plain copy
australian <- read.csv("australian.csv",as.is = T,sep=",",header=TRUE)
#讀取行數(shù)
N = length(australian$Y)
#ind=1的是0.7概率出現(xiàn)的行,ind=2是0.3概率出現(xiàn)的行
ind=sample(2,N,replace=TRUE,prob=c(0.7,0.3))
#生成訓(xùn)練集(這里訓(xùn)練集和測(cè)試集隨機(jī)設(shè)置為原數(shù)據(jù)集的70%,30%)
aus_train <- australian[ind==1,]
#生成測(cè)試集
aus_test <- australian[ind==2,]
2.生成模型,結(jié)果導(dǎo)出
[html] view plain copy
#生成logis模型,用glm函數(shù)
#用訓(xùn)練集數(shù)據(jù)生成logis模型,用glm函數(shù)
#family:每一種響應(yīng)分布(指數(shù)分布族)允許各種關(guān)聯(lián)函數(shù)將均值和線性預(yù)測(cè)器關(guān)聯(lián)起來(lái)。常用的family:binomal(link='logit')--響應(yīng)變量服從二項(xiàng)分布,連接函數(shù)為logit,即logistic回歸
pre <- glm(Y ~.,family=binomial(link = "logit"),data = aus_train)
summary(pre)
#測(cè)試集的真實(shí)值
real <- aus_test$Y
#predict函數(shù)可以獲得模型的預(yù)測(cè)值。這里預(yù)測(cè)所需的模型對(duì)象為pre,預(yù)測(cè)對(duì)象newdata為測(cè)試集,預(yù)測(cè)所需類(lèi)型type選擇response,對(duì)響應(yīng)變量的區(qū)間進(jìn)行調(diào)整
predict. <- predict.glm(pre,type='response',newdata=aus_test)
#按照預(yù)測(cè)值為1的概率,>0.5的返回1,其余返回0
predict =ifelse(predict.>0.5,1,0)
#數(shù)據(jù)中加入預(yù)測(cè)值一列
aus_test$predict = predict
#導(dǎo)出結(jié)果為csv格式
#write.csv(aus_test,"aus_test.csv")
3.模型檢驗(yàn)
[html] view plain copy
##模型檢驗(yàn)
res <- data.frame(real,predict)
#訓(xùn)練數(shù)據(jù)的行數(shù),也就是樣本數(shù)量
n = nrow(aus_train)
#計(jì)算Cox-Snell擬合優(yōu)度
R2 <- 1-exp((pre$deviance-pre$null.deviance)/n)
cat("Cox-Snell R2=",R2,"\n")
#計(jì)算Nagelkerke擬合優(yōu)度,我們?cè)谧詈筝敵鲞@個(gè)擬合優(yōu)度值
R2<-R2/(1-exp((-pre$null.deviance)/n))
cat("Nagelkerke R2=",R2,"\n")
##模型的其他指標(biāo)
#residuals(pre) #殘差
#coefficients(pre) #系數(shù),線性模型的截距項(xiàng)和每個(gè)自變量的斜率,由此得出線性方程表達(dá)式?;蛘邔?xiě)為coef(pre)
#anova(pre) #方差
4.準(zhǔn)確率和精度
[html] view plain copy
true_value=aus_test[,15]
predict_value=aus_test[,16]
#計(jì)算模型精確度
error = predict_value-true_value
accuracy = (nrow(aus_test)-sum(abs(error)))/nrow(aus_test) #精確度--判斷正確的數(shù)量占總數(shù)的比例
#計(jì)算Precision,Recall和F-measure
#一般來(lái)說(shuō),Precision就是檢索出來(lái)的條目(比如:文檔、網(wǎng)頁(yè)等)有多少是準(zhǔn)確的,Recall就是所有準(zhǔn)確的條目有多少被檢索出來(lái)了
#和混淆矩陣結(jié)合,Precision計(jì)算的是所有被檢索到的item(TP+FP)中,"應(yīng)該被檢索到的item(TP)”占的比例;Recall計(jì)算的是所有檢索到的item(TP)占所有"應(yīng)該被檢索到的item(TP+FN)"的比例。
precision=sum(true_value & predict_value)/sum(predict_value) #真實(shí)值預(yù)測(cè)值全為1 / 預(yù)測(cè)值全為1 --- 提取出的正確信息條數(shù)/提取出的信息條數(shù)
recall=sum(predict_value & true_value)/sum(true_value) #真實(shí)值預(yù)測(cè)值全為1 / 真實(shí)值全為1 --- 提取出的正確信息條數(shù) /樣本中的信息條數(shù)
#P和R指標(biāo)有時(shí)候會(huì)出現(xiàn)的矛盾的情況,這樣就需要綜合考慮他們,最常見(jiàn)的方法就是F-Measure(又稱(chēng)為F-Score)
F_measure=2*precision*recall/(precision+recall) #F-Measure是Precision和Recall加權(quán)調(diào)和平均,是一個(gè)綜合評(píng)價(jià)指標(biāo)
#輸出以上各結(jié)果
print(accuracy)
print(precision)
print(recall)
print(F_measure)
#混淆矩陣,顯示結(jié)果依次為T(mén)P、FN、FP、TN
table(true_value,predict_value)
5.ROC曲線的幾個(gè)方法
[html] view plain copy
#ROC曲線
# 方法1
#install.packages("ROCR")
library(ROCR)
pred <- prediction(predict.,true_value) #預(yù)測(cè)值(0.5二分類(lèi)之前的預(yù)測(cè)值)和真實(shí)值
performance(pred,'auc')@y.values #AUC值
perf <- performance(pred,'tpr','fpr')
plot(perf)
#方法2
#install.packages("pROC")
library(pROC)
modelroc <- roc(true_value,predict.)
plot(modelroc, print.auc=TRUE, auc.polygon=TRUE,legacy.axes=TRUE, grid=c(0.1, 0.2),
grid.col=c("green", "red"), max.auc.polygon=TRUE,
auc.polygon.col="skyblue", print.thres=TRUE) #畫(huà)出ROC曲線,標(biāo)出坐標(biāo),并標(biāo)出AUC的值
#方法3,按ROC定義
TPR=rep(0,1000)
FPR=rep(0,1000)
p=predict.
for(i in 1:1000)
{
p0=i/1000;
ypred<-1*(p>p0)
TPR[i]=sum(ypred*true_value)/sum(true_value)
FPR[i]=sum(ypred*(1-true_value))/sum(1-true_value)
}
plot(FPR,TPR,type="l",col=2)
points(c(0,1),c(0,1),type="l",lty=2)
6.更換測(cè)試集和訓(xùn)練集的選取方式,采用十折交叉驗(yàn)證
[html] view plain copy
australian <- read.csv("australian.csv",as.is = T,sep=",",header=TRUE)
#將australian數(shù)據(jù)分成隨機(jī)十等分
#install.packages("caret")
#固定folds函數(shù)的分組
set.seed(7)
require(caret)
folds <- createFolds(y=australian$Y,k=10)
#構(gòu)建for循環(huán),得10次交叉驗(yàn)證的測(cè)試集精確度、訓(xùn)練集精確度
max=0
num=0
for(i in 1:10){
fold_test <- australian[folds[[i]],] #取folds[[i]]作為測(cè)試集
fold_train <- australian[-folds[[i]],] # 剩下的數(shù)據(jù)作為訓(xùn)練集
print("***組號(hào)***")
fold_pre <- glm(Y ~.,family=binomial(link='logit'),data=fold_train)
fold_predict <- predict(fold_pre,type='response',newdata=fold_test)
fold_predict =ifelse(fold_predict>0.5,1,0)
fold_test$predict = fold_predict
fold_error = fold_test[,16]-fold_test[,15]
fold_accuracy = (nrow(fold_test)-sum(abs(fold_error)))/nrow(fold_test)
print(i)
print("***測(cè)試集精確度***")
print(fold_accuracy)
print("***訓(xùn)練集精確度***")
fold_predict2 <- predict(fold_pre,type='response',newdata=fold_train)
fold_predict2 =ifelse(fold_predict2>0.5,1,0)
fold_train$predict = fold_predict2
fold_error2 = fold_train[,16]-fold_train[,15]
fold_accuracy2 = (nrow(fold_train)-sum(abs(fold_error2)))/nrow(fold_train)
print(fold_accuracy2)
if(fold_accuracy>max)
{
max=fold_accuracy
num=i
}
}
print(max)
print(num)
##結(jié)果可以看到,精確度accuracy最大的一次為max,取folds[[num]]作為測(cè)試集,其余作為訓(xùn)練集。
7.得到十折交叉驗(yàn)證的精確度,結(jié)果導(dǎo)出
[html] view plain copy
#十折里測(cè)試集最大精確度的結(jié)果
testi <- australian[folds[[num]],]
traini <- australian[-folds[[num]],] # 剩下的folds作為訓(xùn)練集
prei <- glm(Y ~.,family=binomial(link='logit'),data=traini)
predicti <- predict.glm(prei,type='response',newdata=testi)
predicti =ifelse(predicti>0.5,1,0)
testi$predict = predicti
#write.csv(testi,"ausfold_test.csv")
errori = testi[,16]-testi[,15]
accuracyi = (nrow(testi)-sum(abs(errori)))/nrow(testi)
#十折里訓(xùn)練集的精確度
predicti2 <- predict.glm(prei,type='response',newdata=traini)
predicti2 =ifelse(predicti2>0.5,1,0)
traini$predict = predicti2
errori2 = traini[,16]-traini[,15]
accuracyi2 = (nrow(traini)-sum(abs(errori2)))/nrow(traini)
#測(cè)試集精確度、取第i組、訓(xùn)練集精確
accuracyi;num;accuracyi2
#write.csv(traini,"ausfold_train.csv")
數(shù)據(jù)分析咨詢(xún)請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶(hù) ...
2025-07-11尊敬的考生: 您好! 我們誠(chéng)摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱(chēng) BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢(xún)到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢(xún)結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢(xún)結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)如同一位耐心的偵探,專(zhuān)注于從單 ...
2025-07-09year_month數(shù)據(jù)類(lèi)型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類(lèi)型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國(guó)內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門(mén)控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書(shū)考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專(zhuān)業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開(kāi)啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03