本篇内容主要讲解“R语言逻辑回归、ROC曲线与十折如何实现交叉验证”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“R语言逻辑回归、ROC曲线与十折如何实现交叉验证”吧!
1. 测试集和训练集3、7分组
australian <- read.csv("australian.csv",as.is = T,sep=",",header=TRUE)
#读取行数
N = length(australian$Y)
#ind=1的是0.7概率出现的行，ind=2是0.3概率出现的行
ind=sample(2,N,replace=TRUE,prob=c(0.7,0.3))
#生成训练集(这里训练集和测试集随机设置为原数据集的70%，30%)
aus_train <- australian[ind==1,]
#生成测试集
aus_test <- australian[ind==2,]2.生成模型，结果导出
#生成logis模型，用glm函数 #用训练集数据生成logis模型，用glm函数 #family：每一种响应分布（指数分布族）允许各种关联函数将均值和线性预测器关联起来。常用的family：binomal(link='logit')--响应变量服从二项分布，连接函数为logit，即logistic回归 pre <- glm(Y ~.,family=binomial(link = "logit"),data = aus_train) summary(pre) #测试集的真实值 real <- aus_test$Y #predict函数可以获得模型的预测值。这里预测所需的模型对象为pre，预测对象newdata为测试集,预测所需类型type选择response,对响应变量的区间进行调整 predict. <- predict.glm(pre,type='response',newdata=aus_test) #按照预测值为1的概率，>0.5的返回1，其余返回0 predict =ifelse(predict.>0.5,1,0) #数据中加入预测值一列 aus_test$predict = predict #导出结果为csv格式 #write.csv(aus_test,"aus_test.csv")
3.模型检验
##模型检验
res <- data.frame(real,predict)
#训练数据的行数，也就是样本数量
n = nrow(aus_train)
#计算Cox-Snell拟合优度
R2 <- 1-exp((pre$deviance-pre$null.deviance)/n)
cat("Cox-Snell R2=",R2,"\n")
#计算Nagelkerke拟合优度，我们在最后输出这个拟合优度值
R2<-R2/(1-exp((-pre$null.deviance)/n))
cat("Nagelkerke R2=",R2,"\n")
##模型的其他指标
#residuals(pre) #残差
#coefficients(pre) #系数，线性模型的截距项和每个自变量的斜率，由此得出线性方程表达式。或者写为coef(pre)
#anova(pre) #方差4.准确率和精度
true_value=aus_test[,15] predict_value=aus_test[,16] #计算模型精确度 error = predict_value-true_value accuracy = (nrow(aus_test)-sum(abs(error)))/nrow(aus_test) #精确度--判断正确的数量占总数的比例 #计算Precision，Recall和F-measure #一般来说，Precision就是检索出来的条目（比如：文档、网页等）有多少是准确的，Recall就是所有准确的条目有多少被检索出来了 #和混淆矩阵结合，Precision计算的是所有被检索到的item（TP+FP）中,"应该被检索到的item（TP）”占的比例；Recall计算的是所有检索到的item（TP）占所有"应该被检索到的item（TP+FN）"的比例。 precision=sum(true_value & predict_value)/sum(predict_value) #真实值预测值全为1 / 预测值全为1 --- 提取出的正确信息条数/提取出的信息条数 recall=sum(predict_value & true_value)/sum(true_value) #真实值预测值全为1 / 真实值全为1 --- 提取出的正确信息条数 /样本中的信息条数 #P和R指标有时候会出现的矛盾的情况，这样就需要综合考虑他们，最常见的方法就是F-Measure（又称为F-Score） F_measure=2*precision*recall/(precision+recall) #F-Measure是Precision和Recall加权调和平均，是一个综合评价指标 #输出以上各结果 print(accuracy) print(precision) print(recall) print(F_measure) #混淆矩阵，显示结果依次为TP、FN、FP、TN table(true_value,predict_value)
5.ROC曲线的几个方法
#ROC曲线
# 方法1
#install.packages("ROCR")
library(ROCR)
pred <- prediction(predict.,true_value) #预测值(0.5二分类之前的预测值)和真实值
performance(pred,'auc')@y.values #AUC值
perf <- performance(pred,'tpr','fpr')
plot(perf)
#方法2
#install.packages("pROC")
library(pROC)
modelroc <- roc(true_value,predict.)
plot(modelroc, print.auc=TRUE, auc.polygon=TRUE,legacy.axes=TRUE, grid=c(0.1, 0.2),
grid.col=c("green", "red"), max.auc.polygon=TRUE,
auc.polygon.col="skyblue", print.thres=TRUE) #画出ROC曲线，标出坐标，并标出AUC的值
#方法3，按ROC定义
TPR=rep(0,1000)
FPR=rep(0,1000)
p=predict.
for(i in 1:1000)
{
p0=i/1000;
ypred<-1*(p>p0)
TPR[i]=sum(ypred*true_value)/sum(true_value)
FPR[i]=sum(ypred*(1-true_value))/sum(1-true_value)
}
plot(FPR,TPR,type="l",col=2)
points(c(0,1),c(0,1),type="l",lty=2)6.更换测试集和训练集的选取方式，采用十折交叉验证
australian <- read.csv("australian.csv",as.is = T,sep=",",header=TRUE)
#将australian数据分成随机十等分
#install.packages("caret")
#固定folds函数的分组
set.seed(7)
require(caret)
folds <- createFolds(y=australian$Y,k=10)
#构建for循环，得10次交叉验证的测试集精确度、训练集精确度
max=0
num=0
for(i in 1:10){
fold_test <- australian[folds[[i]],] #取folds[[i]]作为测试集
fold_train <- australian[-folds[[i]],] # 剩下的数据作为训练集
print("***组号***")
fold_pre <- glm(Y ~.,family=binomial(link='logit'),data=fold_train)
fold_predict <- predict(fold_pre,type='response',newdata=fold_test)
fold_predict =ifelse(fold_predict>0.5,1,0)
fold_test$predict = fold_predict
fold_error = fold_test[,16]-fold_test[,15]
fold_accuracy = (nrow(fold_test)-sum(abs(fold_error)))/nrow(fold_test)
print(i)
print("***测试集精确度***")
print(fold_accuracy)
print("***训练集精确度***")
fold_predict2 <- predict(fold_pre,type='response',newdata=fold_train)
fold_predict2 =ifelse(fold_predict2>0.5,1,0)
fold_train$predict = fold_predict2
fold_error2 = fold_train[,16]-fold_train[,15]
fold_accuracy2 = (nrow(fold_train)-sum(abs(fold_error2)))/nrow(fold_train)
print(fold_accuracy2)
if(fold_accuracy>max)
{
max=fold_accuracy
num=i
}
}
print(max)
print(num)
##结果可以看到，精确度accuracy较大的一次为max,取folds[[num]]作为测试集，其余作为训练集。7.得到十折交叉验证的精确度，结果导出
#十折里测试集较大精确度的结果 testi <- australian[folds[[num]],] traini <- australian[-folds[[num]],] # 剩下的folds作为训练集 prei <- glm(Y ~.,family=binomial(link='logit'),data=traini) predicti <- predict.glm(prei,type='response',newdata=testi) predicti =ifelse(predicti>0.5,1,0) testi$predict = predicti #write.csv(testi,"ausfold_test.csv") errori = testi[,16]-testi[,15] accuracyi = (nrow(testi)-sum(abs(errori)))/nrow(testi) #十折里训练集的精确度 predicti2 <- predict.glm(prei,type='response',newdata=traini) predicti2 =ifelse(predicti2>0.5,1,0) traini$predict = predicti2 errori2 = traini[,16]-traini[,15] accuracyi2 = (nrow(traini)-sum(abs(errori2)))/nrow(traini) #测试集精确度、取第i组、训练集精确 accuracyi;num;accuracyi2 #write.csv(traini,"ausfold_train.csv")
总结
到此，相信大家对“R语言逻辑回归、ROC曲线与十折如何实现交叉验证”有了更深的了解，不妨来实际操作一番吧！这里是创新互联建站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
