📅  最后修改于: 2023-12-03 15:38:25.029000             🧑  作者: Mango
在 R 中,我们可以使用 glm()
函数来拟合逻辑回归模型,并使用 ggplot2
包中的 geom_line()
函数来绘制逻辑回归曲线。
首先,我们需要准备一个包含自变量(X)和因变量(Y)的数据集。例如,我们可以使用 mtcars
数据集中的 mpg
和 am
变量来演示:
data(mtcars)
df <- data.frame(mpg = mtcars$mpg, am = factor(mtcars$am, levels = c(0, 1)))
将 am
变量转换为因子变量,并将其水平命名为 0
和 1
。
接下来,我们可以使用 glm()
函数来拟合逻辑回归模型:
model <- glm(am ~ mpg, data = df, family = "binomial")
此处,我们将 am
作为因变量,mpg
作为自变量,使用 binomial
分布来表示响应变量的二元分类。
使用 predict()
函数可以通过刚刚拟合的模型预测响应变量概率:
df$prob <- predict(model, type = "response")
将预测得到的概率存储在数据框的 prob
列。
最后,我们可以使用 ggplot2
包中的 geom_line()
函数来绘制逻辑回归曲线:
library(ggplot2)
ggplot(df, aes(x = mpg, y = prob)) +
geom_point(aes(color = am)) +
geom_line() +
labs(title = "Logistic Regression Curve", x = "mpg", y = "Probability") +
scale_color_discrete(name = "am", labels = c("Auto", "Manual"))
这里,我们使用 ggplot()
函数创建一个默认设置的绘图对象,并指定 x
和 y
坐标。然后,将 mpg
和 prob
分别映射到 x
和 y
坐标上。
使用 geom_point()
函数添加原始数据点的散点图,并使用 color
参数根据 am
变量的值分配颜色。
然后,使用 geom_line()
函数添加逻辑回归曲线,没有添加任何参数,因为 geom_line()
函数默认生成连续的折线。
使用 labs()
函数和 scale_color_discrete()
函数设置标题和标签。
最终,我们可以得到如下的逻辑回归曲线图像:
这就是在 R 中绘制逻辑回归曲线的过程。我们可以通过修改数据集、参数或其他可选项来调整曲线图的外观或功能。