25、回归分析实践：逻辑回归与神经网络回归

回归分析实践：逻辑回归与神经网络回归

1. 逻辑回归分析

1.1 数据准备

在进行逻辑回归分析前，对数据的直方图分析发现部分变量存在异常值。为构建逻辑回归模型，首先要将响应变量调整为与 glm() 函数兼容的格式。对于二项式族，响应变量有三种指定方式：
- 作为因子；
- 作为值在 0 到 1 之间的数值向量，解释为成功案例的比例（总案例数由权重给出）；
- 作为两列整数矩阵：第一列给出成功的数量，第二列给出失败的数量。

这里选择第二种格式，将变量 Class 中表示良性的 2 替换为 0，恶性的 4 替换为 1，代码如下：

BCData$Class<-replace(BCData$Class,BCData$Class==2,0)
BCData$Class<-replace(BCData$Class,BCData$Class==4,1)

执行上述代码后，查看 Class 变量的分布：

table(BCData$Class)

结果显示：

  0   1
444 239

这表明有 444 个良性案例和 239 个恶性案例。同时，由于 Id 变量为观测 ID，对模型无作用，故在模型中省略该变量，构建逻辑回归模型的代码如下：