在R语言中，逻辑回归可以使用glm函数（广义线性模型）来拟合。以下是一个简单的逻辑回归的例子：

数据准备
# 使用内置数据集iris，只使用前两类（setosa和versicolor）作为二分类问题
data(iris)
iris_binary <- subset(iris, Species %in% c("setosa", "versicolor"))

运行逻辑回归
# 运行逻辑回归，以Species（setosa/versicolor）为二元因变量，以Sepal.Length和Sepal.Width为自变量
model <- glm(Species ~ Sepal.Length + Sepal.Width, data = iris_binary, family = "binomial")

# 显示回归结果
summary(model)

在上述代码中，Species是二元分类的因变量，而Sepal.Length和Sepal.Width是自变量。glm函数用于拟合逻辑回归模型。family = "binomial"表示使用二项分布。

绘制逻辑回归曲线
# 安装并加载ggplot2包
install.packages("ggplot2")
library(ggplot2)

# 绘制逻辑回归曲线
ggplot(iris_binary, aes(x = Sepal.Length, y = as.numeric(Species) - 1)) +
  geom_point(aes(color = Species)) +
  geom_smooth(method = "glm", method.args = list(family = "binomial"), se = FALSE, col = "blue") +
  labs(title = "Logistic Regression Curve", x = "Sepal Length", y = "Probability (setosa)")

上述代码中，使用ggplot2包绘制了散点图和逻辑回归曲线。




转载请注明出处：http://www.zyzy.cn/article/detail/6419/R语言