r roc函数_R语言逻辑回归、ROC曲线和十折交叉验证

这篇博客介绍了如何在R语言中进行逻辑回归,使用ROCR包绘制ROC曲线,并通过十折交叉验证评估模型性能。作者以australian数据集为例,展示了模型训练、检验、准确率、精度计算以及ROC曲线的绘制过程。
摘要由CSDN通过智能技术生成

R语言逻辑回归、ROC曲线和十折交叉验证

2021-01-21

自己整理编写的逻辑回归模板,作为学习笔记记录分享。数据集用的是14个自变量Xi,一个因变量Y的australian数据集。

1. 测试集和训练集3、7分组

[html] view plaincopyprint?australian

2.生成模型,结果导出

[html] view plaincopyprint?#生成logis模型,用glm函数#用训练集数据生成logis模型,用glm函数#family:每一种响应分布(指数分布族)允许各种关联函数将均值和线性预测器关联起来。常用的family:binomal(link="logit")--响应变量服从二项分布,连接函数为logit,即logistic回归pre0.5的返回1,其余返回0predict=ifelse(predict.>0.5,1,0)#数据中加入预测值一列aus_test$predict=predict#导出结果为csv格式#write.csv(aus_test,"aus_test.csv")

3.模型检验

[html] view plaincopyprint?##模型检验res

4.准确率和精度

[html] view plaincopyprint?true_value=aus_test[,15]predict_value=aus_test[,16]#计算模型精确度error=predict_value-true_valueaccuracy=(nrow(aus_test)-sum(abs(error)))/nrow(aus_test)#精确度--判断正确的数量占总数的比例#计算Precision,Recall和F-measure#一般来说࿰

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值