R语言计算logistic回归C指数,最详细的基于R语言的Logistic Regression（Logistic回归）源码，包括拟合优度，Recall，Precision的计算...

这篇日志也确实是有感而发，我对R不熟悉，但实验需要，所以简单学了一下。发现无论是网上无数的教程，还是书本上的示例，在讲Logistic Regression的时候就是给一个简单的函数及输出结果说明。从来都没有讲清楚几件事情：

1. 怎样用训练数据训练模型，然后在测试数据上进行验证(测试数据和训练数据可能有重合)？

2. 怎样计算预测的效果，也就是计算Recall，Precision，F-measure等值？

3. 怎样计算Nagelkerke拟合优度等评价指标？

2014年9月8日补充：还有一个问题忘记说了，怎么样确定Logistic Regression的阈值，对于下面这段代码来讲，很简单：调整0.5为其他值即可。

发现这些书本和一些写博客的朋友，脑子真是不清楚得可以。去看你的教程，不是光看看简单的函数使用，或者听你讲讲原理，还是希望能尽快并且正确地用起来。从我的经历来看，已有的网上教程都做得太差了。

这里我也不详细介绍过程了，贴上有详细注释的代码，相信大家一看就明白：

rm(list=ls(all=TRUE))#首先删除工作空间中所有对象

training=read.csv("training.csv",header=FALSE)

testing=read.csv("testing.csv",header=FALSE)#分别导入训练和测试数据

glm.fit=glm(V16~V7,data=training,family=binomial(link=