Logistic回归分析

最新推荐文章于 2025-01-17 10:03:15 发布

原创

最新推荐文章于 2025-01-17 10:03:15 发布 · 3.3k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#Logistic回归分析

本文介绍了如何使用Logistic回归分析数据，首先通过R语言读取数据并设定变量名，然后探讨一个解释变量（word_freq_your）与目标变量（spam）的关系，展示其散点图，并计算相关统计量。接着，建立一元Logistic回归模型，并用glm()函数求解参数。通过散点图展示模型效果，利用predict()和residuals()函数评估模型预测准确性。最后，增加了多个变量进行预测并进行变量选择，以提升模型预测性能。

首先像下面这样读入数据

\\spambase.data中包含实际数据，spambase.names中包含变量的信息
> spambase <- read.csv("spambase.data",header=F)

由于该数据文件中不包含变量信息，因此令header=F，使第1行不为变量名。像下面通过read.table()函数读入数据，并通过colnames()函数指定数据框spambase的变量名。

> colnames(spambase) <- read.table("spambase.names",skip=33,
+														sep=":",comment.char=" ")[,1]
> colnames(spambase)[ncol(spambase)]  <-  "spam"

先来考虑用一个解释变量预测目标变量的情形。解释变量设为word_freq_your，目标变量spam。首先我们观察word_freq_your和spam的散点图。

> library(ggplot2)
> qplot(word_freq_your,spam,data=spambase,alpha=I(0.03))

alpha参数设置了透明度，点较多的地方显示较浓，可以看到word_freq_your的值较大，则越容易判定为垃圾邮件。根据垃圾邮件判定的真伪，向下面这样输出中位数、平均值、标准差。

> library(dplyr)
> spambase %>%
> 		group_by(spam) %>%
> 		summarise(count=n(),
+				 med=median(word_freq_your),
+				 mean=mean(word_freq_your),
+				 sd=sd(word_freq_your))

然后用一元回归模型套用到该模型上：