R语言：逻辑回归算法的实现——glm函数

最新推荐文章于 2025-03-13 00:25:40 发布

weixin_43216017

最新推荐文章于 2025-03-13 00:25:40 发布

阅读量7.6w

点赞数 42

分类专栏：机器学习编程 R语言文章标签： R 逻辑回归

本文链接：https://blog.youkuaiyun.com/weixin_43216017/article/details/87904663

版权

本文介绍了如何在R语言中使用glm函数进行逻辑回归分析。通过红酒质量数据集，展示了数据预处理、模型构建过程，并讨论了变量选择与模型优化。同时，文章提到了ROC曲线和AUC值的计算，以评估模型性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在前文中，我们已经介绍过了逻辑回归算法的原理以及其python实现，具体请见逻辑回归算法及其python实现。

本文将主要介绍逻辑回归算法的R语言实现。

数据简介

本文数据选择了红酒质量分类数据集，这是一个很经典的数据集，原数据集中“质量”这一变量取值有{3，4，5，6，7，8}。为了实现二分类问题，我们添加一个变量“等级”，并将“质量”为{3，4，5}的观测划分在等级0中，“质量”为{6，7，8}的观测划分在等级1中。

数据下载戳我

因变量：等级

自变量：非挥发性酸性、挥发性酸性、柠檬酸、剩余糖分、氯化物、游离二氧化硫、二氧化硫总量、浓度、pH、硫酸盐、酒精

library(openxlsx)
wine = read.xlsx("C:/Users/Mr.Reliable/Desktop/classification/winequality-red.xlsx") 
#将数据集分为训练集和测试集,比例为7:3
train_sub = sample(nrow(wine),7/10*nrow(wine))
train_data = wine[train_sub,]
test_data = wine[-train_sub,]