60、逻辑回归在模型参数化中的应用

逻辑回归在模型参数化中的应用

1. 模型参数化与数据处理

在进行模型参数化时，首先要对数据进行处理。保留“Transition”列（第1列），删除第2到第7列以及其他需要删除的列，代码如下：

# Retaining the "Transition" column no 1,
# we thus delete the columns no. 2 … 7
fullData <- fullData[, -c(2:7,cols4deletion)]
# redo the fitting (…like before…)
mdl3 <- bayesglm(Transition ∼., family = "binomial",
data = train)

新拟合的结果以残差偏差表示如下：
| 类型 | 自由度 | 偏差值 | AIC |
| ---- | ---- | ---- | ---- |
| 零偏差 | 224 | 148.472 | |
| 残差偏差 | 202 | 19.823 | 65.823 |

从残差偏差来看，此模型拟合在三种变体中是最好的。不过，还是建议进行明确的模型诊断和合理性检查。

2. 模型诊断与合理性检查

由于返回的值在连续区间[0, 1]内，需要将其转换为0和1以便与验证数据进行比较。这里我们任意选择阈值0.5，具体代码如下：

glft <- predict(object = mdl, newdata =