R語言線性模型glm logistic回歸模型

r語言廣義線性模型glm()函式

glm(formula, family=family.generator, data,control = list(…))

formula資料關係，如y~x1+x2+x3

family：每一種響應分布（指數分布族）允許各種關聯函式將均值和線性**器關聯起來。

常用的family：

binomal(link=』logit』) —-響應變數服從二項分布，連線函式為logit，即logistic回歸

binomal(link=』probit』) —-響應變數服從二項分布，連線函式為probit

poisson(link=』identity』) —-響應變數服從泊松分布，即泊松回歸

control:控制演算法誤差和最大迭代次數

glm.control(epsilon = 1e-8, maxit = 25, trace = false)

-----maxit:演算法最大迭代次數，改變最大迭代次數：control=list(maxit=100)

實戰：

source("setwd.r")

##下面read.csv會出錯，因為表頭中文亂碼，刪掉表頭，重新定義
data=read.csv("bankloan.csv")[2:701,]
##檢視前幾行tail是後幾行
head(data)
colnames(data)<-c("x1","x2","x3","x4","x5","x6","x7","x8","y")
tail(data)
#logistic回歸模型
glm<-glm(y~x1+x2+x3+x4+x5+x6+x7+x8,family = binomial(link = "logit"),data = data)
glmsummary(glm)
###逐步尋優法 forward前向選擇法backward後向選擇法
logit.step<-step(glm,direction = c("both"))
summary(logit.step)

非線性模型（R語言）

首先，繪製出原資料的散點圖。試下如下 data9.3 attach data9.3 plot x,y 輸出結果為 可以看出，這時y yy與x xx之間呈現出非線性，因此需要對資料進行非線性回歸分析。實現如下 nls9.3 summary nls9.3 eebar sesse prey pybar y...

R語言線性回歸

線性回歸模型 線性回歸模型的計算 lm 可以完成多元線性回歸函式的估計，回歸系統與回歸方程的檢驗的工作 summary 函式，返回列表內容 x1表示體重，x2表示年齡，y表示對應體重與年齡下的血壓 blood data frame x1 c 76.0,91.5,85.5,82.5,79.0,80.5...

R語言一元線性模型及結果分析

讀取csv格式的檔案，也可以讀取xsl data1 read.csv c users administrator desktop 11 kirng樹高025.csv header t,na.strings c na data1 建立線性模型h為因變數，pre.h為自變數，資料來自於data1 mod...