R语言用逻辑回归、决策树和随机森林对信贷数据集进行分类预测

数据集是

credit=read.csv("gecredit.csv", header = TRUE, sep = ",")

看起来所有变量都是数字变量，但实际上，大多数都是因子变量，

> str(credit)

'data.frame': 1000 obs. of  21 variables:

$ Creditability   : int  1 1 1 1 1 1 1 1 1 1 ...

$ Account.Balance : int  1 1 2 1 1 1 1 1 4 2 ...

$ Duration        : int  18 9 12 12 12 10 8  ...

$ Purpose         : int  2  9      3 3 ...

相关视频

让我们将分类变量转换为因子变量，

> F=c(1,2,4,5,7,8,9,10,11,12,13,15,16,17,18,19,20)

> for(i in F) credit\[,i\]=as.factor(credit\[,i\])

现在让我们创建比例为1：2 的训练和测试数据集

> i_test=sample(1:nrow(credit),size=333)

> i\_calibration=(1:nrow(credit))\[-i\_test\]

我们可以拟合的第一个模型是对选定协变量的逻辑回归

基于该模型，可以绘制ROC曲线并计算AUC（在新的验证数据集上）

> AUCLog1=performance(pred, measure = "auc")@y.values\[\[1\]\]

> cat("AUC: ",AUCLog1,"\\n")

AUC:  0.7340997

一种替代方法是考虑所有解释变量的逻辑回归

glm(Creditability ~ .,

+  family=binomial,

+  data = credit\[i_calibrat