R语言第十讲 逻辑斯蒂回归

模型函数介绍

          Logistic Regression 虽然被称为回归，但其实际上是分类模型，并常用于二分类。Logistic Regression 因其简单、可并行化、可解释强深受工业界喜爱。

          Logistic 回归的本质是：假设数据服从这个Logistic 分布，然后使用极大似然估计方法做参数的估计。

          Logistic 分布是一种连续型的概率分布，其分布函数和密度函数分别为：

         其中，  表示位置参数，  为形状参数。我们可以看下其图像特征：

 

       在逻辑斯谛回归中，使用逻辑斯谛函数

                        

       然后用极大似然估计( maximum likelihood) 方法拟合模型 。

模型运用

      我们运用 ISLR 库的 smarket (股旗市场)数据的数值和图像进行描述统计分析，来拟合逻辑斯蒂归模型。该数据集里包括了从 2001 年年初至 2005 年年末 1250 天里 S&P 500 股票指数的投资回报率。数据中记 录了过去 5 个交易日中的每个交易日的投资回报率，从 Lag1到 Lag5 ，同时也记录了 Volume (前一日股票成交量，单位为十亿) ，Today (当日的投资回报率）以及Direction (这些数据在市场的走势方向，或 Up (涨)或 Down (跌) )。

> library(ISLR)
> names(Smarket)
[1] "Year"      "Lag1"      "Lag2"      "Lag3"      "Lag4"     
[6] "Lag5"      "Volume"    "Today"     &