R中logistics回归分析以及K-CV

K倍交叉验证是对模型的性能进行评估，可以用来防止过拟合，比如对决策树节点数目的确定或是回归模型参数个数地决定等情况。
1.对于一些特殊数据来说，在调用glm()方法时候，会出现两种常见错误
Warning: glm.fit: algorithm did not converge
Warning: glm.fit: fitted probabilities numerically 0 or 1 occurred
Warning messages:
1: glm.fit:算法没有聚合
2: glm.fit:拟合機率算出来是数值零或一
针对第一种，一般是因为在回归拟合的时候次数少，control=list(maxit=100)修改次数为100即可；
第二种一般就是数据已经分散好了，可以理解为一种过拟合，由于数据的原因，在回归系数的优化搜索过程中，使得分类的种类属于某一种类（y=1)的线性拟合值趋于大，分类种类为另一 类(y=0)的线性拟合值趋于小。
以鸢尾花数据为例子，
这里写代码片
testdata$y <- c(1:80)
qplot(pl,y,data =testdata,colour =factor(species))；

这种情况直接就