新人请教 R语言作业

新人请教
这些题怎么做

文件bankloan.csv中包含700条的个人贷款信息，1-表示违约，0-表示不违约。

1.（25分）使用文件bankloan.csv中的数据，

（1）将一张画板分成1行2列，以收入为y轴，年龄为x轴在一张画板上、用不同颜色的、不同形状画出违约人员和不违约人员的散点图，并标出图例和标题。

（2）分别在违约人员和不违约人员的收入的平均值处画出一条水平线，年龄的平均值处画出一条垂直线，且画出违约人员和不违约人员的的回归线。

2.（25分）文件bankloan.csv中包含700个人的个人贷款信息，1-表示违约，0-表示不违约。

（1） 建立违约对其它8个变量的logistic回归模型，8个指标变量对违约P(Y=1)的综合影响是否显著？那些变量是主要的影响因素，显著水平如何？

（2） 用逐步回归方法选取自变量，优化（1）中的回归模型，并用优化后的回归模型计算下表中人员的违约的概率。

3. （25分）从bankloan.csv中前600个数据作为训练集，余下的100个数据作为测试集，分别用线性判别法、KNN法、Bayes判别法和决策树分类法对训练集建立分类模型，然后对测试集进行测试，试问哪种分类算法的错误率最低？

4.（25分）为了更深入地了解我国人口的文化程度状况，现利用1990年全国人口普查数据对全国30个省、直辖市、自治区进行聚类分析。原始数据如下表所示。分析选用了3个指标：（a）大学以上文化程度的人口占全部人口的比例（DXBZ），（b）初中文化程度的人口占全部人口的比例（CZBZ），（c）文盲半文盲人口占全部人口的比例（WMBZ），来反映较高、中等、较低文化程度人口的状况。

(1) 计算样本的Euclid距离，分别用最长距离法、均值法、重心法和Ward法作聚类分析，并画出相应的谱系图。如果将所有样本分为4类，试写出各种方法的分类结果。

(2) 用K-MEANS法（共分为4类），给出相应的聚类结果。