R语言 - 逻辑回归 - R语言教程-OStack程序员社区-中国程序员成长平台

OStack程序员社区-中国程序员成长平台 › 门户 › 编程› R语言›R语言教程

R语言 - 逻辑回归

原作者: [db:作者] 来自: [db:来源] 收藏邀请

> library(ggplot2)

#设置随机种子为1
> set.seed(1)

#将整数1,2,3分别定义为变量b0,b1,b2
> b0 <- 1 ; b1 <- 2 ; b2 <- 3

#产生1000个服从正态分布的随机数分别定义为变量x1,x2
> x1 <- rnorm(1000) ; x2 <- rnorm(1000)

#将以上产生的b0,b1,b2,x1,x2计算定义为浮点数变量z
> z <- b0 + b1*x1 + b2*x2

#将z带入逻辑回归计算函数，定义为变量pr
> pr <- 1/(1+exp(-z))

#使用模拟产生二项分布数据函数rbinom，定义样本容量为1000，点分布的试验次数为1，点分布成功概率为pr “0<pr<1”
> y <- rbinom(1000,1,pr)

#将x1,x2,y=factor(y)定义为数据帧变量plotdata
> plotdata <- data.frame(x1,x2,y=factor(y))

#观察plotdata2全貌
> summary(plotdata)

#将数据帧plotdata2作可视化，定义为变量p
> p <- ggplot(data=plotdata,aes(x=x1,y=x2,color=y))+geom_point()
> p





#将变量x1,x2,y组成数据帧带入变量data
> data <- data.frame(x1,x2,y)

#用逻辑回归函数glm()将数据帧data进行逻辑回归分析，分析结果定义为变量model
> model <- glm(y~.,data=data,family = "binomial")

#观察分析结果model全貌
> summary(model)


Call:

glm(formula = y ~ ., family = "binomial", data = data)


Deviance Residuals: 
 Min 1Q Median 3Q Max 
-2.78286 -0.38847 0.08272 0.44502 2.36265 


Coefficients:
 Estimate Std. Error z value Pr(>|z|) 
(Intercept) 0.9613 0.1128 8.524 <2e-16 ***

x1 1.7954 0.1446 12.421 <2e-16 ***

x2 2.9446 0.1973 14.926 <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: 1352.99 on 999 degrees of freedom

Residual deviance: 623.34 on 997 degrees of freedom

AIC: 629.34


Number of Fisher Scoring iterations: 6

#将模型参数定义为变量w
> w <- model$coef

#将-w[1]/w[3]作为分割线的纵截距定义为变量inter
> inter <- -w[1]/w[3]

#将-w[2]/w[3]作为分割线的斜率定义为变量slope
> slope <- -w[2]/w[3]

#将变量data内的数据点，和求出的分割线可视化并定义为变量p3
> p2 <- ggplot(data=plotdata,aes(x=x1,y=x2,color=y))+geom_point()+geom_abline(intercept = inter,slope = slope)
> p2