R tutorial 20 - Logistic Regression 逻辑回归 (3)

最新推荐文章于 2022-11-05 18:50:19 发布

KK匡

最新推荐文章于 2022-11-05 18:50:19 发布

阅读量419

点赞数

分类专栏：机器学习 R 文章标签： R big data machine learning 大数据机器学习

本文链接：https://blog.csdn.net/chankuang2008/article/details/52902413

版权

本文是R教程的第20部分，专注于逻辑回归。我们将探讨如何在R中实现逻辑回归，分析模型的性能，并通过真实数据集进行案例研究。内容包括数据预处理、模型构建、预测与评估，帮助你掌握机器学习中的这一重要工具。

摘要由CSDN通过智能技术生成

/*
Logistic Regression 逻辑回归
薪金与房屋补贴的关系。
假设月薪是12150、那预测他会不会同时申请房屋补贴。
逻辑回归用来预测0与1、是与否的模型。
*/

salary <- c(5500, 5800, 6400, 6700, 7100, 7500, 8800, 9500, 11000, 11500, 12000, 12500, 13100, 13800, 13900, 15000)
# salary <- rnorm(16, 10000, 8000)
claimNum <- c(0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 1, 1, 1, 1)

cat("\n")
cat("===============Result===============","\n")
result <- data.frame(claimNum, salary)
result

# Draw
plot(salary, claimNum, main="Salary & claimNum", xlab="Salary", ylab="claimNum", col = "red")

cat("\n")
cat("===============Model===============","\n")
model <- glm(formula= claimNum ~ salary, data=result, family=binomial)
model

cat("\n")
cat("===============Summary Model===============","\n")
summary(model)

# Draw
curve(predict(model, data.frame(salary = x), type="resp"), add=TRUE)
points(salary, fitted(model), pch=20, col = "blue")


cat("\n")
cat("===============Predict&#