R 逻辑回归

在逻辑回归中，拟合了回归曲线 y = f (x)。在回归曲线方程中，y 是一个分类变量。此回归模型用于预测 y 给定一组预测变量 x。因此，预测变量可以是分类变量、连续变量或两者的混合。

逻辑回归是一种属于非线性回归的分类算法。该模型用于根据一组自变量预测给定的二元结果（1/0，是/否，真/假）。此外，它有助于使用虚拟变量表示分类/二元结果。

逻辑回归是一种回归模型，其中响应变量具有分类值，例如真/假或 0/1。因此，我们可以衡量二元响应的概率。

以下是逻辑回归的数学方程

y=1/(1+e^-(b₀+b₁ x₁+b₂ x₂+⋯))

在上述等式中，y 是响应变量，x 是预测变量，b₀ 和 b₁、b₂,...b_n 是系数，即数值常数。我们使用 glm() 函数创建回归模型。

以下是 glm() 函数的语法。

此处，

构建逻辑回归

内置数据集“mtcars”描述了各种汽车型号及其不同的发动机规格。在“mtcars”数据集中，变速箱模式由列“am”描述，这是一个二元值（0 或 1）。我们可以在列“am”和另外三列 - hp、wt 和 cyl 之间构建一个逻辑回归模型。

让我们看一个例子来理解如何使用 glm 函数创建逻辑回归，以及如何使用 summary 函数查找分析的摘要。

在我们的例子中，我们将使用 R 环境中可用的数据集“BreastCancer”。要使用它，我们首先需要安装“mlbench”和“caret”包。

示例

输出

现在，我们将数据分成训练集和测试集，训练集包含 70% 的数据，测试集包含剩余的百分比。

输出

现在，我们借助 glm() 函数构建逻辑回归函数。我们将公式 Class~Cell.shape 作为第一个参数传递，并将属性 family 指定为“binomial”，并使用 Training_data 作为第三个参数。

示例

输出

现在，使用 summary 函数进行分析。

输出