基于R和Python 如何使用多項式和有序邏輯回歸

我們中的大多數(shù)對于回歸的知識是有限的。其中，線性和邏輯回歸是我們最喜歡的一種。作為一個有趣的事實，回歸具有擴展的能力來處理不同類型的變量。你是否知道，回歸規(guī)定處理多層次的變量嗎？我肯定，你沒有，我也沒有。直到我被推到探索這方面的回歸。

對于多層次的變量，很多機器學習算法可以替你做工作。例如，樸素貝葉斯，決策樹，隨機森林等的初學者，這些算法可能有些難以理解。但是，如果你很好的理解邏輯回歸，掌握這一新的回歸應該是很容易的！

在這篇文章中，我已經(jīng)解釋了使用多項式和序數(shù)回歸的方法。此外，為了實際的目的，我們已經(jīng)證明這個算法在一個循序漸進的R潮流中。

注：這篇文章是最適合具有領先經(jīng)驗的邏輯回歸的R用戶。然而，如果你用Python,你仍然可以得到一個全面的了解這個回歸的方法。

時間序列預測全攻略（附帶Python代碼）

多元回歸是什么？

多遠回歸是一種線性回歸分析，因變量是名義上的兩個或兩個以上的水平。它用來描述數(shù)據(jù)，并解釋一個依賴名義變量和一個或多個聯(lián)系水平（時間間隔或比例規(guī)模）的獨立變量之間的關系。你可以理解的名義變量，一個沒有內在順序的變量。

例如：森林類型：”常綠闊葉林””落葉林”，”雨林”。正如你看到的，他們之間有一個內在的秩序，但是每一類都代表一個獨特的分類。換句話說，多項式回歸是回歸分析邏輯的延伸，分析了獨立二進制。

多元回歸是如何運作的？

多元邏輯回歸評估了每個虛擬變量的二元邏輯回歸模型。其結果是M-1二元邏輯回歸模型。每一個模型都傳達了，在比較參考的類別中，該類別成功概率的影響。

每個模型都有自身的截距和回歸系數(shù)——預測可以影響每個不同類別。讓我們將這一部分與我們的經(jīng)典之作進行比較——線性和邏輯回歸。

標準的線性回歸需要變量成為連續(xù)水平（時間間隔或比率）的規(guī)模。然而，邏輯回歸通過假設變量是一個隨機事件，跳躍了差距。因變量描述該隨機事件與密度函數(shù)的結果（一個累積概率從0到1的功能）。

統(tǒng)計人員認為，一個事件的概率小于0.5時則會發(fā)生，概率大于0.5時則是相反的情況。

現(xiàn)在我們知道MLR延伸了二元邏輯模型給一個眾多類別的模型（因變量）。然而，它有一個限制。這個屬于結果的類別并不假設任何順序。例如，如果我們有N個有相等概率的類別。在現(xiàn)實中，我們遇到了一個自然順序的類別的問題。

那么，當我們的因變量有一個自然順序的類別時，我們該做什么？這種情況下，有序回歸可以拯救我們。

有序回歸是什么？

有序回歸（也稱序邏輯回歸）是二項邏輯回歸的又一延伸。有序回歸是用來預測變量與”有序”多個類別和獨立變量。換句話說，它是用來促進一個或多個獨立變量的相互作用的依賴變量（具有多個有序的水平）。

例如：讓我們假設一項已經(jīng)完成的調查。我們問了調查者一個在同意與不同意之間的問題?；仞伒氖占]有幫助我們很好的概括。后來，我們增加了我們的反應機制例如：非常不同意，不同意，同意，非常不同意。

這有助于我們觀察自然秩序的種類。因為我們的回歸模型是現(xiàn)實的，我們必須感謝這個順序不是生來就有的，正如MLR的情況，有序邏輯回歸解決了這種情況。有序意味著類別的順序。

實例：

在我們演算這些算法之前，讓我們確保我們已經(jīng)獲得了一個具體的理解，使用下面的案例：

案例1：（多項式回歸）

高中生可以用多項式LOGIT模型完成程序建模選擇。程序選擇可以是一般程序，職業(yè)程序和學術程序。他們的選擇可以用他們的寫作成績和他們的社會經(jīng)濟地位來建模。

基于各種屬性，如社會地位，渠道類型，學生所得到的獎項和榮譽，性別，經(jīng)濟地位以及他們在一個給定的題目中他們能夠寫的或者讀的有多好，程序類型的選擇可以預測。多層次的程序選擇（無序）是因變量。本案適用于多元邏輯回歸技術。

案例2（有序回歸）

一項研究著眼于是否一些因素會影響到申請研究生學校的決定。高校學生被問到他們是不可能，有點可能，或者很有可能申請研究生學院。因此，我們的結果變量有三類，即，不可能，有點可能和非常有可能。

父母對子女教育情況的數(shù)據(jù)，制度類（私營或國營），收集當前GPA。研究人員有理由相信，這三個點之間的”距離”是不平等的。例如，”不可能”和”有點可能”之間的”距離”可能比”有點可能”和”有可能”的距離短。在這種情況下，我們將使用有序回歸。

R下的多元邏輯回歸（MLR）

讀取文件

現(xiàn)在我們將用2個獨立變量進行多項式回歸

解釋

1、模型執(zhí)行輸入顯示了一些迭代的歷史，包括最終的像179.981726的負對數(shù)。這個值乘以兩個模型最終顯示殘余偏差。

2、摘要輸出有一個板塊的系數(shù)和另一個板塊的標準差。每個區(qū)塊有一行對應于一個模型方程的值。在系數(shù)的區(qū)塊，我們可以看到，第一行是比較prog=general 與我們的基礎 prog=academic，并且第二行 prog=vocation與我們的基礎prog=academic.

3、在一般程序與0.0579的學術計劃，一個寫日志記錄的單位的增長會降低。

4、在職業(yè)計劃與0.1136的學術課程，一個寫日志記錄的單位的概率增長會降低。

5、如果從ses=low到ses=high, 一般程序的日志概率比學術程序降低1.163.

6、另一方面，如果從ses=low到ses=middle,一般程序的日志概率比學術計劃中的減少0.5332。

7、如果從ses=low到ses=high，職業(yè)計劃的日志概率比學術計劃減少0.983.

8、如果從ses=low 到ses=middle,職業(yè)計劃的日志概率比學術計劃增加0.291.

現(xiàn)在我們將計算模型中的變量Z值與P值。

P值告訴我們，ses變量并沒有限制。我們現(xiàn)在將探索整個數(shù)據(jù)集，并分析我們是否可以刪除不添加到模型性能的任何變量。

在移除ID和程序變量之后，讓我們在整個數(shù)據(jù)集中建立一個數(shù)據(jù)多項式模型。

讓我們檢查一下現(xiàn)在的值。

一旦我們建立了這個模型，我們就用它來預測。讓我們用不同的排列組合創(chuàng)建一個新的數(shù)據(jù)集。

現(xiàn)在，我們計算出預測值。參數(shù) type=probs, 指定我們對于概率的興趣。為了直觀的理解去繪制預測的概率，我們增加了預測概率值的數(shù)據(jù)。

現(xiàn)在，我們要計算每個水平的ses的平均概率。

我使用從reshape 2 package 中的Melt（）功能。它帶著每一個行都是獨特的身份變量的組合，融合數(shù)據(jù)。

> library("reshape2")

## Warning: package 'reshape2' was built under R version 3.1.3

> bpp2 = melt (bpp,id.vars=c("female", "ses","schtyp", "read","write","math","science","socst","honors", "awards"),value.name="probablity")

> head(bpp2)

現(xiàn)在我們將探討因變量與自變量的分布，并繪制圖形。使用ggplot（）功能。在ggplot，這個函數(shù)的第一個參數(shù)是數(shù)據(jù)值繪制。第二部分在( aes（）)綁定變量X和Y軸。我們告知使用geom_line（）繪圖功能畫出一條線。我們通過繪制不同的顏色區(qū)分不同學校的類型。

到這里，我們已經(jīng)學會了使用多元回歸，如上面提到的，如果你有很好的邏輯回歸的知識，解釋這個結果并不太困難。現(xiàn)在讓我們開始理解R中的有序回歸。

R中的有序邏輯回歸

下面是R中的OLR的執(zhí)行步驟

加載庫

讓我們快速了解數(shù)據(jù)

該數(shù)據(jù)有一個被成為相關變量的應用。它有3個層次，即不可能，有點可能，很可能。編碼在1，2 和3. 3最高，1最低。這種情況是最好的順序回歸的使用。因為存在有序類別。Pared（0/1）是指父母至少有一個人具有碩士研究生學歷；Public（0/1）指本科院校的類型。

建立這個模型，我們將使用polR命令來估計一個有序邏輯回歸。然后，我們將指定Hess=TRUE讓模型輸入顯示所觀察到的優(yōu)化信息矩陣，這是曾經(jīng)用來獲得標準誤差的方式。

我們通?？吹降幕貧w輸出系數(shù)表包括各系數(shù)的值，標準差，T值，對兩截距的估計，剩余偏差和AIC。AIC信息準則。越小越好。

現(xiàn)在我們要計算一些重要的指標如P值，CI，比值率。

解釋

1、家長的教育每增加一個單位，從0（低）到1（高），極有可能申請比有點可能或不可能申請的可能性大2.85.

2、很有可能或有點可能申請比不可能申請的可能性大2.85倍。

3、從GPA考慮，當一個學生的GPA移動一個單位，不可能申請的概率是有點可能或很可能（從低到中等分類，或從低到高等分類）申請的概率乘以1.85。

現(xiàn)在讓哦我們試著加強這個模型，以獲得更好的預測評估。

讓我們在這里添加交互項

結束語

我很喜歡寫這篇文章。我建議你注意模型的解釋。編碼是比較容易的，但是除非你知道是怎么產(chǎn)生的，否則，你的學習是不完整的。

有許多重要的因素，比如，AIC，殘差值來確定模型的有效性。如果你還想了解他們，我會建議你去刷邏輯回歸的基本。這應該有助于你更好的理解這個概念。