R分类算法-Logistic回归算法

最新推荐文章于 2023-12-04 21:32:40 发布

小力丸

最新推荐文章于 2023-12-04 21:32:40 发布

阅读量1.2k

点赞数 1

分类专栏： R数据挖掘篇文章标签： R 分类算法 Logistic回归逻辑回归

本文链接：https://blog.csdn.net/lll1528238733/article/details/76020611

版权

R数据挖掘篇专栏收录该内容

16 篇文章 3 订阅

订阅专栏

本文介绍了R语言中Logistic Regression（逻辑回归）算法的应用。逻辑回归是一种将线性回归通过Logistic函数转换，用于处理分类问题的方法。该算法简单易实现，执行效率和准确度较高，但处理离散型数据时需转换为虚拟变量。R中可通过glm函数进行模型训练，公式参数和数据集作为输入。

摘要由CSDN通过智能技术生成

逻辑回归 Logistic Regression

所谓LR，就是一个被Logistic方程归一化后的线性回归，可以将非线性的问题转化为线性问题。
优点：
算法易于实现和部署，执行效率和准确度高
缺点：
离散型的数据需要通过生产虚拟变量的方式来使用。
R API
glm(formula,data)

formula 建模表达式
data 训练数据

★glm会自动帮我们把变量离散化，不需要自己设置虚拟变量了。

代码实现：

data <- read.csv("customers.csv")
data <- data[data$Gender!='NULL' & data$Marital.Status!='NULL',]
data <- data[, colnames(data)!='CustomerID']

formula <- Home.Ownership ~ .;

total <- nrow(data)
index <- sample(1:total, total*0.7)

data.train <- data[index, ]
data.test <- data[-index, ]

data.train.glm = glm(
  formula = formula, 
  data = data.train,
  family='binomial'
)

data.test.predict <- predict(
  data.train.glm, 
  newdata = data.test,
  type="response"
)

data.test.predict <- ifelse(data.test.predict>0.5, "Rent", "Own")

table(data.test$Home.Ownership, data.test.predict)
data.test.predict
       Own Rent
  Own  537   93
  Rent  87  227
prop.table(table(data.test$Home.Ownership, data.test.predict), 1)
 Own      Rent
  Own  0.8523810 0.1476190
  Rent 0.2770701 0.7229299