R語言邏輯回歸

邏輯回歸是回歸模型，其中響應(yīng)變量(因變量)具有明確的值，如：True/False或0/1。 它實(shí)際測量二元響應(yīng)作為響應(yīng)變量，是基于與預(yù)測變量有關(guān)它的數(shù)學(xué)方程的值的概率。

邏輯回歸一般的數(shù)學(xué)公式是：

y = 1/(1+e^-(a+b1x1+b2x2+b3x3+...))

以下是所使用的參數(shù)的說明：

y 是響應(yīng)變量。

x 是預(yù)測變量。

a 和 b 是數(shù)字常量系數(shù)。

用于創(chuàng)建回歸模型的功能是 glm()函數(shù)。

語法

glm()函數(shù)在邏輯回歸的基本語法是：

glm(formula,data,family)

以下是所使用的參數(shù)的說明：

formula 是呈現(xiàn)所述變量之間的關(guān)系的標(biāo)志。

data 在數(shù)據(jù)集給出這些變量的值.

family 為R對象以指定模型的細(xì)節(jié)。它的值是二項(xiàng)分布邏輯回歸。

示例

在內(nèi)置的數(shù)據(jù)集“mtcars”描述了他們不同的發(fā)動機(jī)規(guī)格的不同型號汽車。在“mtcars”數(shù)據(jù)集，傳輸模式（自動或手動）由列點(diǎn)它是一個(gè)二進(jìn)制值描述（0或1）。我們可以創(chuàng)建列“am”和另外3列之間的邏輯回歸模型- 馬力(hp)，重量(wt)和缸(cyl)。

# Select some columns form mtcars.
input <- mtcars[,c("am","cyl","hp","wt")]

print(head(input))

當(dāng)我們上面的代碼執(zhí)行時(shí)，它產(chǎn)生以下結(jié)果：

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

建立回歸模型

我們用 glm()函數(shù)來創(chuàng)建回歸模型，并得到了匯總分析。

input <- mtcars[,c("am","cyl","hp","wt")]

am.data = glm(formula=am ~ cyl + hp + wt ,
          data=input,
          family=binomial)

print(summary(am.data))

當(dāng)我們上面的代碼執(zhí)行時(shí)，它產(chǎn)生以下結(jié)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 freedom
Residual deviance:  9.8415  on 28  degrees of freedom
AIC: 17.841

Number of Fisher Scoring iterations: 8

結(jié)論

在匯總中的最后一列的 p值大于0.05為變量"cyl" 和 "hp"，我們認(rèn)為它們是微不足道地促進(jìn)變量“am”的值。只有重量（wt）在影響這個(gè)回歸模型“am”的值。