如何在 R 中绘制逻辑回归曲线？

在本文中，我们将学习如何在 R 编程语言中绘制逻辑回归曲线。

逻辑回归基本上是一种监督分类算法。这有助于我们创建区分两类变量的微分曲线。为了在 R 语言中绘制逻辑回归曲线，我们使用以下方法。

使用的数据集： Sample4

方法 1：使用 Base R 方法

为了在基数 R 中绘制逻辑回归曲线，我们首先使用 glm()函数将变量拟合到逻辑回归模型中。 glm()函数用于拟合广义线性模型，通过给出线性预测变量的符号描述来指定。然后我们使用该模型创建一个数据框，其中 y 轴变量更改为其预测值，该预测值是通过使用带有上述创建的模型的 predict()函数得出的。然后我们使用 plot()函数绘制原始点的散点图，并使用lines()函数绘制预测值。

Syntax:

logistic_model <- glm( formula, family, dataframe )

plot( original_dataframe )

lines( predicted_dataframe )

Parameter:

• formula: determines the symbolic description of the model to be fitted.
• family: determines the description of the error distribution and link function to be used in the model.
• dataframe: determines the data frame to be used for fitting purpose

示例：绘制逻辑回归

R

# load dataframe
df <- read.csv("Sample4.csv")
 
# create logistic regression model
logistic_model <- glm(var1 ~ var2, data=df, family=binomial)
 
#Data frame with hp in ascending order
Predicted_data <- data.frame(var2=seq(
  min(df$var2), max(df$var2),len=500))
 
# Fill predicted values using regression model
Predicted_data$var1 = predict(
  logistic_model, Predicted_data, type="response")
 
# Plot Predicted data and original data points
plot(var1 ~ var2, data=df)
lines(var1 ~ var2, Predicted_data, lwd=2, col="green")

输出：

方法2：使用ggplot2包

要使用 ggplot2 包库绘制逻辑曲线，我们使用 stat_smooth()函数。具有“glm”值的函数的参数方法在 ggplot2 图的顶部绘制逻辑回归曲线。因此，我们首先绘制所需的原始数据点散点图，然后使用 stat_smooth()函数将其与回归曲线重叠。

Syntax:

plot + stat_smooth( method=”glm”, se, method.args )

Parameter:

• se: determines a boolean that tells whether to display confidence interval around smooth.
• method.args: determines the method function for logistic curve.

示例：绘制逻辑回归

R

# load library ggplot2
library(ggplot2)
 
# load data from CSV
df <- read.csv("Sample4.csv")
 
# Plot Predicted data and original data points
ggplot(df, aes(x=var2, y=var1)) + geom_point() +
      stat_smooth(method="glm", color="green", se=FALSE,
                method.args = list(family=binomial))

输出：