R语言使用逻辑回归分类算法
R语言使用逻辑回归分类算法
逻辑回归属于概率统计的分类算法模型的算法,是根据一个或者多个特征进行类别标号预测。在R语言中可以通过调用logit函数执行逻辑回归分类算法并预测输出概率。通过调用glm函数将family参数也就是响应分布指定为binominal(二项式),就是使用逻辑回归算法。
操作
同进述内容一样准备好训练数据集与测试数据集。
fit = glm(churn ~ .,data = trainset,family = binomial)
summary(fit)
Call:
glm(formula = churn ~ ., family = binomial, data = trainset)
Deviance Residuals:
Min 1Q Median 3Q Max
-3.1519 0.1983 0.3460 0.5186 2.1284
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 8.3462866 0.8364914 9.978 < 2e-16 ***
international_plan1 -2.0534243 0.1726694 -11.892 < 2e-16 ***
voice_mail_plan1 1.3445887 0.6618905 2.031 0.042211 *
number_vmail_messages -0.0155101 0.0209220 -0.741 0.458496
total_day_minutes 0.2398946 3.9168466 0.061 0.951163
total_day_calls -0.0014003 0.0032769 -0.427 0.669141
total_day_charge -1.4855284 23.0402950 -0.064 0.948592
total_eve_minutes 0.3600678 1.9349825 0.186 0.852379
total_eve_calls -0.0028484 0.0033061 -0.862 0.388928
total_eve_charge -4.3204432 22.7644698 -0.190 0.849475
total_night_minutes 0.4431210 1.0478105 0.423 0.672367
total_night_calls 0.0003978 0.0033188 0.120 0.904588
total_night_charge -9.9162795 23.2836376 -0.426 0.670188
total_intl_minutes 0.4587114 6.3524560 0.072 0.942435
total_intl_calls 0.1065264 0.0304318 3.500 0.000464 ***
total_intl_charge -2.0803428 23.5262100 -0.088 0.929538
number_customer_service_calls -0.5109077 0.0476289 -10.727 < 2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1938.8 on 2314 degrees of freedom
Residual deviance: 1515.3 on 2298 degrees of freedom
AIC: 1549.3
Number of Fisher Scoring iterations: 6
找到分类模型中包含的可能导致错误分类的非显著变量,仅使用显著的变量来训练分类模型。
fit = glm(churn ~ international_plan + voice_mail_plan + number_customer_service_calls,data = trainset,family = binomial)
summary(fit)
Call:
glm(formula = churn ~ international_plan + voice_mail_plan +
number_customer_service_calls, family = binomial, data = trainset)
Deviance Residuals:
Min 1Q Median 3Q Max
-2.6485 0.3067 0.4500 0.5542 1.6509
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 2.68272 0.12064 22.237 < 2e-16 ***
international_plan1 -1.97626 0.15998 -12.353 < 2e-16 ***
voice_mail_plan1 0.79423 0.16352 4.857 1.19e-06 ***
number_customer_service_calls -0.44341 0.04445 -9.975 < 2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1938.8 on 2314 degrees of freedom
Residual deviance: 1678.5 on 2311 degrees of freedom
AIC: 1686.5
Number of Fisher Scoring iterations: 5
调用fit使用一个内置模型来预测testset数据集的输出,可以通过调整概率是否高于0.5来改变类别标记的输出结果。
#这是选择预测之后的输出结果,这个参数能用在binomial数据,也就是响应变量是二分型的时候,这个参数选成type=response,表示输出结果预测响应变量为1的概率。
pred = predict(fit,testset,type = "response")
#将ped中概率大于0.5的设置TRUE,代表为“no”,没有流失客户,1
#将ped中概率小于0.5的设置FALSE,代表为“yes”,有流失
客户,0
Class = pred > 0.5
summary(Class)
Mode FALSE TRUE
logical 28 990
对测试数据集的分类和预测结果进行统计分析计数:
tb = table(testset$churn,Class)
> tb
Class
FALSE TRUE
yes 15 126
no 13 864
将上一步骤的统计结果用分类形式表输出,并生成混淆矩阵
churn.mod = ifelse(testset$churn == "yes",1,0)
> churn.mod
[1] 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0
[44] 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0
[87] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 1 0 0 0 0
[130] 0 0 1 0 0 0 0 1 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0
[173] 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0
[216] 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0
[259] 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 1 0 1 0 0 1 0
[302] 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0
[345] 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0
[388] 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 1 0 1 0 0 0 0 0 1 0 1 0 0 0 0 1 0 0 0 0
[431] 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0
[474] 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0
[517] 0 0 0 0 0 0 0 0 1 0 1 1 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 1 0 0 0 0 0 0
[560] 0 0 0 0 0 0 0 1 0 1 0 1 1 0 1 0 1 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1
[603] 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 1 0 0 0 0
[646] 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 1 0 0 0 0 0
[689] 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 1 0
[732] 1 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0
[775] 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
[818] 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 1 1 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1
[861] 1 1 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
[904] 0 0 1 1 0 0 0 1 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1
[947] 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0
[990] 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 0
将Class转化成numeric
ABC = as.numeric(Class)
ABC与churn.mod 中0,1代表的意思相反,将ABC进行数值取反
BC = 1 - ABC
计算混淆矩阵
confusionMatrix(churn.mod,BC)
Confusion Matrix and Statistics
Reference
Prediction 0 1
0 864 13
1 126 15
Accuracy : 0.8635
95% CI : (0.8408, 0.884)
No Information Rate : 0.9725
P-Value [Acc > NIR] : 1
Kappa : 0.138
Mcnemar's Test P-Value : <2e-16
Sensitivity : 0.8727
Specificity : 0.5357
Pos Pred Value : 0.9852
Neg Pred Value : 0.1064
Prevalence : 0.9725
Detection Rate : 0.8487
Detection Prevalence : 0.8615
Balanced Accuracy : 0.7042
'Positive' Class : 0
逻辑回归算法和线性回归非常相似,两者区别是在于线性回归算法中的变量是连续变量,而逻辑回归响应变量是二分类的变量(名义变量),使用逻辑回归算法主要目的是利用logit模型去预测和测量变量相关的名义变量的概率。逻辑回归公式:ln(P/(1-P)),P为某事情发生的概率。
逻辑回归的算法的优势是在于算法易于理解,能够直接输出预测模型的逻辑概率逻辑值以及结果的置信区间,与决策树难以更新模型不同,逻辑回归算法能够迅速在逻辑回归算法中合并新的数据,更新分类模型,逻辑回归算法的不足是无法处理多重共线性问题,因此解决变量必须线性无关。glm提供了一个通用的线性回归模型,可以通过设置family参数得到,当为binomial回归时,可以实现二元分类。
调用fit函数预测测试数据集testset的类别响应变量,fit函数能够输出类标号的概率,如果概率值小于等于0.5,意味预测得出的类标号与测试数据集的实际类标号不相符,如果大于0.5则说明两者是一致的,进一步调用summsary函数来得到预测的模型。最后进行计数统计与混淆矩阵。
R语言使用逻辑回归分类算法相关推荐
- r语言的逻辑回归分类
iris 是r语言内置的数据集 head(iris) # 与python的不同iris.head() Sepal.Length Sepal.Width Petal.Length Petal.Width ...
- java基础巩固-宇宙第一AiYWM:为了维持生计,编程语言番外篇之机器学习(项目预测模块总结:线性回归算法、逻辑回归分类算法)~整起
机器学习 一.机器学习常见算法(未完待续...) 1.算法一:线性回归算法:找一条完美的直线,完美拟合所有的点,使得直线与点的误差最小 2.算法二:逻辑回归分类算法 3.算法三:贝叶斯分类算法 4.算 ...
- logistic逻辑回归分类算法及应用
3.1 概述 Lineage逻辑回归是一种简单而又效果不错的分类算法. 什么是回归:比如说我们有两类数据,各有50个点组成,当我们把这些点画出来,会有一条线区分这两组数据,我们拟合出这个曲线(因为很有 ...
- 编程实践-逻辑回归分类算法--马的疝气病症分类
#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ 逻辑回归分类 @dataset:马的疝气病症数据集Horse Col ...
- R语言惩罚逻辑回归、线性判别分析LDA、广义加性模型GAM、多元自适应回归样条MARS、KNN、二次判别分析QDA、决策树、随机森林、支持向量机SVM分类优质劣质葡萄酒十折交叉验证和ROC可视化
最近我们被客户要求撰写关于葡萄酒的研究报告,包括一些图形和统计输出. 介绍 数据包含有关葡萄牙"Vinho Verde"葡萄酒的信息.该数据集有1599个观测值和12个变量,分别是 ...
- R语言用逻辑回归建立用户付费模型
原文链接:http://tecdat.cn/?p=967 对于某企业新用户,会利用大数据来分析该用户的信息来确定是否为付费用户,弄清楚用户属性,从而针对性的进行营销,提高运营人员的办事效率(点击文末& ...
- R语言有序逻辑回归-因变量是等级资料
ordinal logistic regression适用于因变量为等级资料.使用课本例16-4的数据. 随机选取84例患者做临床试验,探讨性别和治疗方法对该病的影响.变量赋值为:性别(X1,男=0, ...
- R语言LR逻辑回归实例
二分类实例 去掉setosa类 index <- which(iris$Species == 'setosa') iris <- iris[- index,]training <-i ...
- 逻辑斯蒂回归分类算法
逻辑斯蒂回归分类算法 首先来看一个线性回归来进行分类的问题: 怎样判断肿瘤是否恶性? 很明显线性回归用于分类问题无法处理边界点的位置. 同时,线性回归健壮性不够,一旦有噪声,立刻"投降&qu ...
最新文章
- 独家 | 2种数据科学编程中的思维模式,了解一下(附代码)
- Java基础加强总结(三)——代理(Proxy)
- Python+Django+SAE系列教程14-----使表单更安全
- vscode中reactjs插件的安装
- MySql 数据库基本设计规范
- 如何使用Callable和FutureTask
- 数加:从数据工程师到CDO的七次升职路
- [新闻]炫目的全景与视频监控结合应用
- 2016最新php支付平台源码,Thinkphp各大支付平台在线支付集成源码
- SAP License:物料类型的划分标准
- 如何将文章列表用li分两列显示
- 解决在eclipse里没有“Dynamic Web Project“这个选项的问题
- 计算机一级考试繁体字换成简体字,EXCEL繁简体转换 电脑显示的繁体字改成简体字...
- html加减乘除除数不能为零,如何用正则表达式表示除数不为0 呢
- 【VR】(四)VR设备盘点
- 事件监听(窗口关闭、输入框事件、计算器、画笔、鼠标、窗口、键盘)
- 新浪微博开发平台接入流程(1)---注册应用
- Python快速读取超大文件
- 【故事】程序员到底是干什么的
- git pull 时一直卡在Unpacking objects【待解决】
热门文章
- uniapp + vue3微信小程序开发(4)身份信息认证
- JavaWeb QQZone项目架构总结
- Comet OJ CCPC-Wannafly Comet OJ 夏季欢乐赛(2019)
- python正则表达式替换excel_在 Excel 中使用正则表达式进行查找与替换
- php gpc绕过,phpyun最新版两处注入(无视gpc)
- 成功解决: return code 2 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask
- pwm控制直流电机转速流程图_直流电机的PWM速度控制程序
- 攻防世界 misc 高手区 Miscellaneous-300
- 【BZOJ4327】JSOI2012 玄武密码 AC自动机
- Unity中子弹反弹效果的制作