【原创】R语言Logistic逻辑回归算法案例数据分析报告
- 格式：docx
- 大小：74.42 KB
- 文档页数：19
务（附代码数据）,
咨询QQ：3025393450
有问题到百度搜索“大数据部落”就可以了
欢迎登陆官网：/datablog
R语言Logistic逻辑回归算法案例
如果线性回归用于预测连续的Y变量，则逻辑回归用于二元分类。
如果我们使用线性回归来模拟二分变量（作为Y），则得到的模型可能不会将预测的Y s
限制在0和1之内。
此外，线性回归的其他假设（例如误差的正态性）可能会被违反。
因此，我们建模事件ln的对数几率（P1 - P.）升ñ（P1- P），其中，P是事件的概率。
上面的等式可以使用参数glm()设置来建模。
但是我们对事件的概率比事件的对数几率更
感兴趣。
因此，上述模型的预测值，即事件的对数几率，可以转换为事件概率，如下所示：family"binomial"
【原创】定制代写开发r/python/spss/matlab/WEKA/sas/sql/C++/stata/eviews/Computer science assignment代写/代
做Project/数据挖掘和统计分析可视化调研报告/程序/PPT等/爬虫数据采集服务（附代码数据）,
咨询QQ：3025393450
有问题到百度搜索“大数据部落”就可以了
欢迎登陆官网：/datablog
务（附代码数据）,
咨询QQ：3025393450
有问题到百度搜索“大数据部落”就可以了
欢迎登陆官网：/datablog
使用该plogis()函数实现此转换，如下所示，当我们构建logit模型并进行预测时。
示例问题
让我们尝试使用基于adult数据中可用的人口统计变量的逻辑回归来预测个人是否会获得超过50,000美元的收入。
在这个过程中，我们将：
1.导入数据
2.检查课堂偏见
3.创建培训和测试样本
4.计算信息值以找出重要变量
5.构建logit模型并预测测试数据
6.做模型诊断
导入数据
inputData <-read.csv("/wp-
content/uploads/2015/09/adult.csv")
务（附代码数据）,
咨询QQ：3025393450
有问题到百度搜索“大数据部落”就可以了
欢迎登陆官网：/datablog
head(inputData)
#=> AGE WORKCLASS FNLWGT EDUCATION EDUCATIONNUM MARITALSTATUS #=> 1 39 State-gov 77516 Bachelors 13 Never-married #=> 2 50 Self-emp-not-inc 83311 Bachelors 13 Married-civ-spouse #=> 3 38 Private 215646 HS-grad 9 Divorced #=> 4 53 Private 234721 11th 7 Married-civ-spouse #=> 5 28 Private 338409 Bachelors 13 Married-civ-spouse #=> 6 37 Private 284582 Masters 14 Married-civ-spouse # OCCUPATION RELATIONSHIP RACE SEX CAPITALGAIN CAPITALLOSS #=> 1 Adm-clerical Not-in-family White Male 2174 0 #=> 2 Exec-managerial Husband White Male 0 0 #=> 3 Handlers-cleaners Not-in-family White Male 0 0 #=> 4 Handlers-cleaners Husband Black Male 0 0 #=> 5 Prof-specialty Wife Black Female 0 0 #=> 6 Exec-managerial Wife White Female 0 0 # HOURSPERWEEK NATIVECOUNTRY ABOVE50K
#=> 1 40 United-States 0
#=> 2 13 United-States 0
务（附代码数据）,
咨询QQ：3025393450
有问题到百度搜索“大数据部落”就可以了
欢迎登陆官网：/datablog
#=> 3 40 United-States 0
#=> 4 40 United-States 0
#=> 5 40 Cuba 0
#=> 6 40 United-States 0
检查类偏差
理想情况下，Y变量中事件和非事件的比例应大致相同。
因此，让我们首先检查因变量中类的比例ABOVE50K。
table(inputData$ABOVE50K)
# 0 1
# 24720 7841
显然，存在阶级偏差，当事件的比例远小于非事件的比例时观察到的条件。
所以我们必须以大致相等的比例对观测结果进行采样，以获得更好的模型
创建培训和测试样本
务（附代码数据）,
咨询QQ：3025393450
有问题到百度搜索“大数据部落”就可以了
欢迎登陆官网：/datablog
解决类偏差问题的一种方法trainingData是以相等的比例绘制（开发样本）的0和1 。
在这样做时，我们会将inputData未包含的其余部分用于培训testData（验证样本）。
因此，开发样本的大小将小于验证，这是可以的，因为有大量的观察结果（> 10K）。
# Create Training Data
input_ones <-inputData[which(inputData$ABOVE50K ==1), ] # all 1's
input_zeros <-inputData[which(inputData$ABOVE50K ==0), ] # all 0's
set.seed(100) # for repeatability of samples
input_ones_training_rows <-sample(1:nrow(input_ones), 0.7*nrow(input_ones))
# 1's for training
input_zeros_training_rows <-sample(1:nrow(input_zeros), 0.7*nrow(input_ones)) # 0's for training. Pick as many 0's as 1's
training_ones <-input_ones[input_ones_training_rows, ]
training_zeros <-input_zeros[input_zeros_training_rows, ]
trainingData <-rbind(training_ones, training_zeros) # row bind the 1's and
0's
# Create Test Data
务（附代码数据）,
咨询QQ：3025393450
有问题到百度搜索“大数据部落”就可以了
欢迎登陆官网：/datablog
test_ones <-input_ones[-input_ones_training_rows, ]
test_zeros <-input_zeros[-input_zeros_training_rows, ]
testData <-rbind(test_ones, test_zeros) # row bind the 1's and 0's
接下来，需要找到变量的信息值，以了解它们在解释因变量（ABOVE50K）时的价值。
为分类变量创建WOE（可选）
或者，我们可以WOE为所有分类变量创建等价物。
这只是一个可选步骤，为简单起见，此步骤不适用于此分析。
for(factor_var in factor_vars){
inputData[[factor_var]] <-WOE(X=inputData[, factor_var],
Y=inputData$ABOVE50K)
}
head(inputData)
#> AGE WORKCLASS FNLWGT EDUCATION EDUCATIONNUM MARITALSTATUS OCCUPATION #> 1 39 0.1608547 77516 0.7974104 13 -1.8846680 -0.713645 #> 2 50 0.2254209 83311 0.7974104 13 0.9348331 1.084280 #> 3 38 -0.1278453 215646 -0.5201257 9 -1.0030638 -1.555142。
