R语言做逻辑回归

bahui7562

于 2019-08-14 23:00:00 发布

阅读量1.6k

点赞数 1

文章标签：数据结构与算法 r语言

原文链接：http://www.cnblogs.com/marszhw/p/11355299.html

版权

这篇博客介绍了在R语言中进行二分类逻辑回归时遇到的数据不均匀分布（Overdispersion）问题。作者通过使用glm函数，并将family设置为quasibinomial(link = "logit")来解决警告，尽管这会导致AIC变为NA，但显著提高了拟合的P值。文章引用了StackExchange上的资源解释quasibinomial分布与binomial的区别，并展示了预测结果与逻辑回归曲线的比较。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前面写过一个多分类的逻辑回归，现在要做一个简单的二分类，用glm函数

导入csv格式如下：

mydata<-read.csv("D://li.csv",header=T)
colnames(mydata)<-c("x1","x2","x3","y")
model<-glm(formula = y ~ x1+x2+x3, family = quasibinomial(link = "logit"),data = mydata)
summary(model)

　　这里family没有使用binomial，那个会报一个警告，

Warning message:
In eval(family$initialize) : 二项通用线性模型里出现了非整数的#成功!

查了一下，有可能数据是不均匀分布（Overdispersion），把family改成quasi的就行了。不过AIC会变成NA，这下拟合的P值就显著多了。

family = quasibinomial(link = "logit")