自己整理编写的逻辑回归模板，作为学习笔记记录分享。数据集用的是14个自变量Xi，一个因变量Y的australian数据集。

1. 测试集和训练集3、7分组

australian <- read.csv("australian.csv",as.is = T,sep=",",header=TRUE)#读取行数N = length(australian$Y) #ind=1的是0.7概率出现的行，ind=2是0.3概率出现的行ind=sample(2,N,replace=TRUE,prob=c(0.7,0.3))#生成训练集(这里训练集和测试集随机设置为原数据集的70%，30%)aus_train <- australian[ind==1,]#生成测试集aus_test <- australian[ind==2,]

2.生成模型，结果导出

#生成logis模型，用glm函数#用训练集数据生成logis模型，用glm函数#family：每一种响应分布（指数分布族）允许各种关联函数将均值和线性预测器关联起来。常用的family：binomal(link='logit')--响应变量服从二项分布，连接函数为logit，即logistic回归pre <- glm(Y ~.,family=binomial(link = "logit"),data = aus_train)summary(pre)#测试集的真实值real <- aus_test$Y#predict函数可以获得模型的预测值。这里预测所需的模型对象为pre，预测对象newdata为测试集,预测所需类型type选择response,对响应变量的区间进行调整predict. <- predict.glm(pre,type='response',newdata=aus_test)#按照预测值为1的概率，>0.5的返回1，其余返回0predict =ifelse(predict.>0.5,1,0)#数据中加入预测值一列aus_test$predict = predict#导出结果为csv格式#write.csv(aus_test,"aus_test.csv")

3.模型检验

##模型检验res <- data.frame(real,predict)#训练数据的行数，也就是样本数量n = nrow(aus_train) #计算Cox-Snell拟合优度R2 <- 1-exp((pre$deviance-pre$null.deviance)/n) cat("Cox-Snell R2=",R2,"\n")#计算Nagelkerke拟合优度，我们在最后输出这个拟合优度值R2<-R2/(1-exp((-pre$null.deviance)/n)) cat("Nagelkerke R2=",R2,"\n")##模型的其他指标#residuals(pre) #残差#coefficients(pre) #系数，线性模型的截距项和每个自变量的斜率，由此得出线性方程表达式。或者写为coef(pre)#anova(pre) #方差

4.准确率和精度

true_value=aus_test[,15]predict_value=aus_test[,16]#计算模型精确度error = predict_value-true_valueaccuracy = (nrow(aus_test)-sum(abs(error)))/nrow(aus_test) #精确度--判断正确的数量占总数的比例#计算Precision，Recall和F-measure#一般来说，Precision就是检索出来的条目（比如：文档、网页等）有多少是准确的，Recall就是所有准确的条目有多少被检索出来了#和混淆矩阵结合，Precision计算的是所有被检索到的item（TP+FP）中,"应该被检索到的item（TP）”占的比例；Recall计算的是所有检索到的item（TP）占所有"应该被检索到的item（TP+FN）"的比例。precision=sum(true_value & predict_value)/sum(predict_value) #真实值预测值全为1 / 预测值全为1 --- 提取出的正确信息条数/提取出的信息条数recall=sum(predict_value & true_value)/sum(true_value) #真实值预测值全为1 / 真实值全为1 --- 提取出的正确信息条数 /样本中的信息条数#P和R指标有时候会出现的矛盾的情况，这样就需要综合考虑他们，最常见的方法就是F-Measure（又称为F-Score）F_measure=2*precision*recall/(precision+recall) #F-Measure是Precision和Recall加权调和平均，是一个综合评价指标#输出以上各结果print(accuracy)print(precision)print(recall)print(F_measure)#混淆矩阵，显示结果依次为TP、FN、FP、TNtable(true_value,predict_value)

5.ROC曲线的几个方法

#ROC曲线# 方法1#install.packages("ROCR") library(ROCR) pred <- prediction(predict.,true_value) #预测值(0.5二分类之前的预测值)和真实值 performance(pred,'auc')@y.values #AUC值perf <- performance(pred,'tpr','fpr')plot(perf)#方法2#install.packages("pROC")library(pROC)modelroc <- roc(true_value,predict.)plot(modelroc, print.auc=TRUE, auc.polygon=TRUE,legacy.axes=TRUE, grid=c(0.1, 0.2), grid.col=c("green", "red"), max.auc.polygon=TRUE, auc.polygon.col="skyblue", print.thres=TRUE) #画出ROC曲线，标出坐标，并标出AUC的值#方法3，按ROC定义TPR=rep(0,1000)FPR=rep(0,1000)p=predict.for(i in 1:1000) { p0=i/1000; ypred<-1*(p>p0) TPR[i]=sum(ypred*true_value)/sum(true_value) FPR[i]=sum(ypred*(1-true_value))/sum(1-true_value) }plot(FPR,TPR,type="l",col=2)points(c(0,1),c(0,1),type="l",lty=2)

6.更换测试集和训练集的选取方式，采用十折交叉验证

australian <- read.csv("australian.csv",as.is = T,sep=",",header=TRUE)#将australian数据分成随机十等分#install.packages("caret")#固定folds函数的分组set.seed(7)require(caret)folds <- createFolds(y=australian$Y,k=10)#构建for循环，得10次交叉验证的测试集精确度、训练集精确度max=0num=0for(i in 1:10){ fold_test <- australian[folds[[i]],] #取folds[[i]]作为测试集 fold_train <- australian[-folds[[i]],] # 剩下的数据作为训练集 print("***组号***") fold_pre <- glm(Y ~.,family=binomial(link='logit'),data=fold_train) fold_predict <- predict(fold_pre,type='response',newdata=fold_test) fold_predict =ifelse(fold_predict>0.5,1,0) fold_test$predict = fold_predict fold_error = fold_test[,16]-fold_test[,15] fold_accuracy = (nrow(fold_test)-sum(abs(fold_error)))/nrow(fold_test) print(i) print("***测试集精确度***") print(fold_accuracy) print("***训练集精确度***") fold_predict2 <- predict(fold_pre,type='response',newdata=fold_train) fold_predict2 =ifelse(fold_predict2>0.5,1,0) fold_train$predict = fold_predict2 fold_error2 = fold_train[,16]-fold_train[,15] fold_accuracy2 = (nrow(fold_train)-sum(abs(fold_error2)))/nrow(fold_train) print(fold_accuracy2) if(fold_accuracy>max) { max=fold_accuracy num=i } } print(max)print(num) ##结果可以看到，精确度accuracy最大的一次为max,取folds[[num]]作为测试集，其余作为训练集。

7.得到十折交叉验证的精确度，结果导出

#十折里测试集最大精确度的结果testi <- australian[folds[[num]],]traini <- australian[-folds[[num]],] # 剩下的folds作为训练集prei <- glm(Y ~.,family=binomial(link='logit'),data=traini)predicti <- predict.glm(prei,type='response',newdata=testi)predicti =ifelse(predicti>0.5,1,0)testi$predict = predicti#write.csv(testi,"ausfold_test.csv")errori = testi[,16]-testi[,15]accuracyi = (nrow(testi)-sum(abs(errori)))/nrow(testi) #十折里训练集的精确度predicti2 <- predict.glm(prei,type='response',newdata=traini)predicti2 =ifelse(predicti2>0.5,1,0)traini$predict = predicti2errori2 = traini[,16]-traini[,15]accuracyi2 = (nrow(traini)-sum(abs(errori2)))/nrow(traini) #测试集精确度、取第i组、训练集精确accuracyi;num;accuracyi2#write.csv(traini,"ausfold_train.csv")

总结

到此这篇关于R语言逻辑回归、ROC曲线与十折交叉验证的文章就介绍到这了,更多相关R语言逻辑回归内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！