R - Lojistik Regresyon
Lojistik Regresyon, yanıt değişkeninin (bağımlı değişken) Doğru / Yanlış veya 0/1 gibi kategorik değerlere sahip olduğu bir regresyon modelidir. Aslında, bir ikili cevabın olasılığını, tahmin değişkenleriyle ilişkilendiren matematiksel denkleme dayalı olarak yanıt değişkeninin değeri olarak ölçer.
Lojistik regresyon için genel matematiksel denklem -
y = 1/(1+e^-(a+b1x1+b2x2+b3x3+...))Kullanılan parametrelerin açıklaması aşağıdadır -
y yanıt değişkendir.
x yordayıcı değişkendir.
a ve b sayısal sabitler olan katsayılardır.
Regresyon modelini oluşturmak için kullanılan işlev, glm() işlevi.
Sözdizimi
İçin temel sözdizimi glm() lojistik regresyondaki fonksiyon -
glm(formula,data,family)Kullanılan parametrelerin açıklaması aşağıdadır -
formula değişkenler arasındaki ilişkiyi gösteren semboldür.
data bu değişkenlerin değerlerini veren veri setidir.
familymodelin ayrıntılarını belirtmek için R nesnesidir. Lojistik regresyon için değeri iki terimli.
Misal
Dahili veri seti "mtcars", çeşitli motor özellikleriyle bir otomobilin farklı modellerini tanımlar. "Mtcars" veri setinde, iletim modu (otomatik veya manuel), ikili bir değer (0 veya 1) olan am sütunu ile tanımlanır. "Am" sütunları ve diğer 3 sütun - hp, wt ve cyl arasında lojistik regresyon modeli oluşturabiliriz.
# Select some columns form mtcars.
input <- mtcars[,c("am","cyl","hp","wt")]
print(head(input))Yukarıdaki kodu çalıştırdığımızda şu sonucu verir -
am cyl hp wt
Mazda RX4 1 6 110 2.620
Mazda RX4 Wag 1 6 110 2.875
Datsun 710 1 4 93 2.320
Hornet 4 Drive 0 6 110 3.215
Hornet Sportabout 0 8 175 3.440
Valiant 0 6 105 3.460Regresyon Modeli Oluşturun
Kullanıyoruz glm() regresyon modelini oluşturma ve analiz için özetini alma işlevi.
input <- mtcars[,c("am","cyl","hp","wt")]
am.data = glm(formula = am ~ cyl + hp + wt, data = input, family = binomial)
print(summary(am.data))Yukarıdaki kodu çalıştırdığımızda şu sonucu verir -
Call:
glm(formula = am ~ cyl + hp + wt, family = binomial, data = input)
Deviance Residuals:
Min 1Q Median 3Q Max
-2.17272 -0.14907 -0.01464 0.14116 1.27641
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 19.70288 8.11637 2.428 0.0152 *
cyl 0.48760 1.07162 0.455 0.6491
hp 0.03259 0.01886 1.728 0.0840 .
wt -9.14947 4.15332 -2.203 0.0276 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 43.2297 on 31 degrees of freedom
Residual deviance: 9.8415 on 28 degrees of freedom
AIC: 17.841
Number of Fisher Scoring iterations: 8Sonuç
Özet olarak, son sütundaki p değeri, "cyl" ve "hp" değişkenleri için 0,05'ten fazla olduğundan, "am" değişkeninin değerine katkıda bulunmada bunların önemsiz olduğunu düşünüyoruz. Bu regresyon modelinde sadece ağırlık (wt) "am" değerini etkiler.