错误率曲线

最新推荐文章于 2023-10-11 21:32:53 发布

人间甜饼周九良�

最新推荐文章于 2023-10-11 21:32:53 发布

阅读量750

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/SunnyQYC/article/details/90709106

博客展示了使用R语言进行逻辑回归分析的代码。通过glm函数构建逻辑回归模型，计算不同阈值下的总错误概率、违约者错误分类概率和非违约者错误分类概率，并使用循环遍历不同阈值。最后，使用plot和lines函数绘制不同错误率随阈值变化的曲线。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

lg.fit = glm(BAD~.,data = x,family = binomial) #family默认为gaussian

error1=c(rep(0,100)) #总错误的概率
error2=c(rep(0,100)) #违约者被错误分类
error3=c(rep(0,100)) #没有违约者被错误分类
xx = seq(0.005,0.5,0.005)
j=1
for (i in xx){
pred = predict(lg.fit,type = ‘response’)
pred[pred>i] = 1
pred[pred<=i] = 0
s = table(pred,x$BAD)
error1[j] = (s[2]+s[3])/sum(s)
error2[j] = s[3]/(s[3]+s[4])
error3[j] = s[2]/(s[1]+s[2])
j=j+1}
plot(xx,error2,col=4,type = ‘l’)
lines(xx,error1,col =2)
lines(xx,error3,col=3)