R-Logistic回归

Logistic回归是一种二元分类算法，它通过一个Sigmoid函数将输入映射到0和1之间的概率值。这种方法通常用于预测二进制离散型变量的输出。

R中内置的glm()函数可以用来拟合逻辑回归模型。以下是一些基本的用法示例：

准备数据

data(iris)
iris$y <- ifelse(iris$Species=="setosa",0,1)

拟合模型

model <- glm(y ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width, data = iris, family = "binomial")

预测值

prob <- predict(model,newdata = iris,type = "response")
pred <- ifelse(prob>0.5,1,0)

查看模型信息

summary(model)

绘制ROC曲线

library(pROC)
roc.curve <- roc(iris$y,prob)
plot(roc.curve)

在以上代码中，我们首先使用iris数据集获取二进制y响应变量，并使用glm()函数基于四个鸢尾花的特征来拟合逻辑回归模型。该模型被用于预测鸢尾花的属种是否为变色鸢尾花（setosa）。预测的概率被存储在prob变量中，然后根据0.5的阈值将其舍入为1或0。模型的信息可以使用summary()函数获得，ROC曲线可以使用pROC包绘制。

总之，在R中使用内置的glm()函数可以轻松地实现Logistic回归模型的拟合和评估。在实际应用中，Logistic回归通常用于预测二进制响应变量。