#用数据集iris,鸢尾花的例子来说明
data(iris)
head(iris)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
#glm()是基础包里的广义线性模型函数,glm()提供正态、指数、gamma、逆高斯、Poisson、二项分布
#所以做logistuc时只能做二项的。
logit.fit=glm(Species~Sepal.Length+Sepal.Width+ Petal.Length+Petal.Width,
family=binomial(link='logit'),data=iris[51:150,])
#上一行代码中,link='probit'就设置为probit回归
#predict()可以预测拟合后的模型,得出来的是数字。所以做如下处理,注意&