首页鸢尾花卉数据集逻辑回归Rstudio

鸢尾花卉数据集逻辑回归Rstudio

时间: 2025-02-04 08:12:08 浏览: 55

### 使用逻辑回归分析 Iris 数据集 Iris 数据集是一个经典的数据集，通常用于多类别分类问题。然而，在此场景下为了应用逻辑回归，可以选择两个特定种类来进行二分类处理[^1]。 #### 加载必要的库和数据首先加载 `datasets` 包中的 Iris 数据集，并选取其中两种类型的花朵作为目标变量： ```r # 加载内置iris数据集 data(iris) # 只保留setosa和versicolor两类样本 df <- subset(iris, Species %in% c('setosa', 'versicolor')) ``` #### 准备训练与测试集合接着划分训练集和验证集以便评估模型性能： ```r library(caTools) # 提供split功能 set.seed(123) spl <- sample.split(df$Species, SplitRatio = .8) train_data <- df[spl==TRUE , ] test_data <- df[spl==FALSE, ] ``` #### 构建逻辑回归模型利用 `glm()` 函数创建广义线性模型(GLM)，指定家庭参数为 "binomial" 来表示这是一个二项分布下的逻辑回归问题: ```r model <- glm(Species ~ ., data=train_data, family=binomial(link='logit')) summary(model) # 查看模型摘要信息 ``` #### 预测新观测值的结果使用已建立好的模型去预测未知类别的实例属于哪一类： ```r predictions <- predict(model, newdata=test_data, type="response") predicted_classes <- ifelse(predictions > 0.5, "versicolor", "setosa") table(Predicted=predicted_classes, Actual=test_data$Species) ``` 以上就是完整的流程展示，通过上述步骤可以在 RStudio 中成功地运用逻辑回归算法对简化后的 Iris 数据集执行二分类任务[^2][^3]。

阅读全文