使用R完成逻辑斯蒂回归分类 直接上代码，如下：

版权声明：本文为博主原创文章，欢迎交流分享，未经博主允许不得转载。 https://cloud.tencent.com/developer/article/1390582

data_sample <- iris51:150,;

m <- dim(data_sample)1  #获取数据集记录条数

val <- sample(m, size =round(m/3), replace = FALSE, prob= rep(1/m, m))  #抽样，选取三分之二的数据作为训练集。 

iris.learn <- data_sample-val,  #选取训练集 

iris.valid <- data_sampleval,   #选取验证集

#调用glm函数训练逻辑斯蒂二元模型

#glm()提供正态、指数、gamma、逆高斯、Poisson、二项分布。我们的logistic回归使用的是二项分布族binomial。Binomial族默认连接函数为logit，可设置为probit。

logit.fit <- glm(Species~Petal.Width+Petal.Length,

 family = binomial(link = 'logit'),

 data = iris.learn);

#生成测试数据集，实际上直接使用iris.valid

dfrm <- data.frame(Petal.Width=iris.valid$Petal.Width,

 Petal.Length=iris.valid$Petal.Length);

real_sort <- iris.valid$Species;  #测试数据集实际类别

prdict_res <- predict(logit.fit, type="response", newdata=dfrm);  #预测数据产生概率

data.frame(predict=prdict_res, real=real_sort);  #查看数据产生概率和实际分类的关系

data.frame(predict=ifelse(prdict_res>0.5, "virginica", "versicolor"), real=real_sort);  #根据数据产生概率生成预测分类

table(data.frame(predict=ifelse(prdict_res>0.5, "virginica", "versicolor"), real=real_sort));  #计算分类准确度