R語言做邏輯回歸

 

前面寫過一個多分類的邏輯回歸，現在要做一個簡單的二分類，用glm函數

導入csv格式如下：

 

mydata<-read.csv("D://li.csv",header=T)
colnames(mydata)<-c("x1","x2","x3","y")
model<-glm(formula = y ~ x1+x2+x3, family = quasibinomial(link = "logit"),data = mydata)
summary(model)

　　這里family沒有使用binomial，那個會報一個警告，

Warning message:
In eval(family$initialize) : 二項通用線性模型里出現了非整數的#成功!

查了一下，有可能數據是不均勻分布（Overdispersion），把family改成quasi的就行了。不過AIC會變成NA，這下擬合的P值就顯著多了。

family = quasibinomial(link = "logit")

 

可以參考這個網站：https://stats.stackexchange.com/questions/91724/what-is-quasi-binomial-distribution-in-the-context-of-glm

這里有介紹兩者的區別

 

做個圖，貌似離邏輯回顧的那個曲線有點差距啊。

p<-predict(model,type='response')

 plot(seq(-2,2,length=30),sort(p),col='blue')