使用R语言中的glm函数拟合logistic回归模型
在统计学和机器学习中,logistic回归是一种常用的分类算法。它被广泛应用于预测二元或多元分类问题。R语言提供了glm函数(广义线性模型)来拟合logistic回归模型。本文将介绍如何使用glm函数来拟合logistic回归模型,并提供相应的源代码示例。
首先,我们需要准备数据。假设我们有一个包含两个变量(自变量)和一个二元响应变量(因变量)的数据集。我们的目标是根据自变量预测响应变量的类别。以下是一个简单的数据集示例:
# 创建示例数据集
x1 <- c(1.2, 2.5, 3.1, 4.2, 5.0, 6.7, 7.5, 8.9)
x2 <- c(0.5, 1.9, 2.6, 3.8, 4.5, 5.9, 6.4, 7.8)
response <- c(0, 0, 0, 0, 1, 1, 1, 1)
# 将数据组合成数据框
data <- data.frame(x1, x2, response)
现在我们的数据准备好了,接下来我们可以使用glm函数拟合logistic回归模型。在glm函数中,我们需要指定family
参数为binomial
,表示我们希望拟合的是二元分类模型。下面是使用glm函数拟合logistic回归模型的代码示例:
# 使用glm函数拟合logistic回归模型
model <- glm(response ~ x1 + x2, data = data, family = binomial)
# 查看模型摘要
summary(model)
在上面的代码中,我们使用response ~ x1