iT邦幫忙

第 12 屆 iT 邦幫忙鐵人賽

DAY 12
1
影片教學

R語言-預測方法大全系列 第 12

[Day-12] 預測操作--羅吉斯迴歸-上 (glm-logistic regression in r)

您的訂閱是我製作影片的動力
訂閱點這裡~/images/emoticon/emoticon39.gif

若內容有誤,還請留言指正,謝謝您的指教/images/emoticon/emoticon07.gif

#影片程式碼
data(iris)  
iris <- subset(iris,Species!="setosa")
iris$Species <- gsub("virginica",1,iris$Species)
iris$Species <- gsub("versicolor",0,iris$Species)
iris$Species <- as.numeric(iris$Species)
library(rminer)
model<-glm(Species~Sepal.Length+Sepal.Width+Petal.Length+Petal.Width, 
           data=iris, family=binomial(link="logit"))
glm <- Importance(model,iris,measure="AAD")
glm$imp
par(mfrow=c(1,4))
boxplot(iris$Sepal.Length)$out
boxplot(iris$Sepal.Width)$out
boxplot(iris$Petal.Length)$out
boxplot(iris$Petal.Width)$out
#因為離群值不多,所以先不轉
n <- nrow(iris)
set.seed(1117)
subiris <- sample(seq_len(n), size = round(0.7 * n))
traindata <- iris[subiris,]
testdata <- iris[ - subiris,]

model<-glm(Species~Sepal.Length+Sepal.Width+Petal.Length+Petal.Width, 
           family=binomial(link="logit"), data=traindata)

上一篇
[Day-11] 預測操作--線性迴歸-下 (linear regression in r)
下一篇
[Day-13] 預測操作--羅吉斯迴歸-下 (glm-logistic regression in r)
系列文
R語言-預測方法大全30

尚未有邦友留言

立即登入留言