logit regression

参考文章：https://www.r-bloggers

> CarData = read.table('car.data',sep=',',col.names=c('buying','maintenance','doors','persons','lug_boot','safety','rating'))
> summary(CarData)buying    maintenance   doors     persons     lug_boot    safety      rating    high :432   high :432   2    :432   2   :576   big  :576   high:576   acc  : 384  low  :432   low  :432   3    :432   4   :576   med  :576   low :576   good :  69  med  :432   med  :432   4    :432   more:576   small:576   med :576   unacc:1210  vhigh:432   vhigh:432   5more:432                                     vgood:  65
> logisticModel <- glm(rating!='unacc' ~ buying + maintenance + doors + persons + lug_boot +safety,
+                      family=binomial(link = "logit"),data=CarData)               > summary(logisticModel)Call:
glm(formula = rating != "unacc" ~ buying + maintenance + doors + persons + lug_boot + safety, family = binomial(link = "logit"), data = CarData)Deviance Residuals: Min       1Q   Median       3Q      Max
-3.2160   0.0000   0.0000   0.0257   2.4336  Coefficients:Estimate Std. Error z value Pr(>|z|)
(Intercept)       -28.4255  1257.5255  -0.023    0.982
buyinglow           5.0481     0.5670   8.904  < 2e-16 ***
buyingmed           3.9218     0.4842   8.100 5.49e-16 ***
buyingvhigh        -2.0662     0.3747  -5.515 3.49e-08 ***
maintenancelow      3.4064     0.4692   7.261 3.86e-13 ***
maintenancemed      3.4064     0.4692   7.261 3.86e-13 ***
maintenancevhigh   -2.8254     0.4145  -6.816 9.36e-12 ***
doors3              1.8556     0.4042   4.591 4.41e-06 ***
doors4              2.4816     0.4278   5.800 6.62e-09 ***
doors5more          2.4816     0.4278   5.800 6.62e-09 ***
persons4           29.9652  1257.5256   0.024    0.981
personsmore        29.5843  1257.5255   0.024    0.981
lug_bootmed        -1.5172     0.3758  -4.037 5.40e-05 ***
lug_bootsmall      -4.4476     0.4750  -9.363  < 2e-16 ***
safetylow         -30.5045  1300.3428  -0.023    0.981
safetymed          -3.0044     0.3577  -8.400  < 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: 2110.47  on 1727  degrees of freedom
Residual deviance:  339.36  on 1712  degrees of freedom
AIC: 371.36Number of Fisher Scoring iterations: 21

.com/learn-logistic-regression-and-beyond/

logit regression相关推荐

Logistic Regression逻辑回归的简单解释
Logistic Regression也叫Logit Regression,在机器学习中属于参数估计的模型.逻辑回归与普通线性回归(Linear Regression)有很大的关系.在应用上,它们有所 ...
多变量逻辑回归python_Python实现逻辑回归(Logistic Regression in Python)
本文基于yhat上Logistic Regression in Python,作了中文翻译,并相应补充了一些内容.本文并不研究逻辑回归具体算法实现,而是使用了一些算法库,旨在帮助需要用Python来做 ...
【机器学习】逻辑斯蒂回归（Logistic Regression）详解
引言 LR回归,虽然这个算法从名字上来看,是回归算法,但其实际上是一个分类算法,学术界也叫它logit regression, maximum-entropy classification (MaxE ...
【Python计量】Logit模型
文章目录一.离散选择模型二.Logit模型三.Logit模型的python实现--采用statsmodels (一)案例一 (二)案例二此文章首发于微信公众号Python for Financ ...
机器学习——Logit模型
机器学习--Logit模型(python) 文章目录机器学习--Logit模型(python) @[toc] 1 OLS 缺陷 2 估计策略 3 模型解释 3.1 边际影响 3.2 相对风险 4 拟 ...
手把手教你从零上手Python（付安装地址、代码）
来源:大数据文摘本文共3974字,建议阅读7分钟. 通过本文带给大家从零开始学习Python应该怎么做! 数据科学团队在持续稳定的发展壮大,这也意味着经常会有新的数据科学家和实习生加入团队.我们聘用 ...
本科生晋升GM记录： Kaggle比赛进阶技巧分享
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 作者:Gary 知乎链接:https://zhuanlan.zhihu.com/p ...
python做logistic回归_用Python做Logistic回归
为什么写这篇文章本人初学python,碰巧做的东西需要用一下Logistic回归,自觉这个很基础的东西应该已经有很多比较好的实现了,于是我就很自觉地问了下度娘.结果大囧==..出来的相关结果少得可怜 ...
数据分析 python 用途-python数据统计分析
1. 常用函数库 scipy包中的stats模块和statsmodels包是python常用的数据分析工具,scipy.stats以前有一个models子模块,后来被移除了.这个模块被重写并成为了现在 ...

logit regression

logit regression相关推荐

最新文章

热门文章