热线电话：13121318867

登录
首页精彩阅读使用R进行逻辑回归 分类
使用R进行逻辑回归 分类
2018-01-18
收藏

使用R进行逻辑回归 分类

逻辑回归模型

属于分类模型，二元分类器。类似的二元分类器还有决策树、随机森林、支持向量机以及神经网络。

逻辑回归模型相对于k-邻近模型，具有“运行时间”低的优势。 当数据空间很大时，预测新数据的类别需要计算这个数据点的k个“邻居”，因此需要把所有的新旧数据点都存在内存中，这通常会耗费大量的“运行时间”。而线性模型则不然，无论模型更新还是用作实际预测，它的速度通常都令人满意，线性模型的更新只涉及到新的数据，因此不需要把旧数据也放在内存中，这极大的提高了运行速度。一旦线性模型的参数估计完毕，只需要保存这些参数的估计值，预测新数据只涉及计算参数估计向量与新数据特征变量的点积问题。

在《数据科学实践》中，以M6D的真实案例进行研究来说明逻辑回归模型的内容。

要解决的问题：

根据用户鼠标点击屏幕中广告的情况，获取广告展示的点击率。分析商业模式、给定广告能够向目标用户展示，提供多大的价值？

解决思路：

选用什么样的数据来分析这个问题？如何使用模型来提高广告点击度？

一个用户访问广告就是记录一条URL字符串，那么，如果每个用户都这样表示，建立一个二维矩阵来表示全部用户访问历史。

矩阵的行代表用户，矩阵的列代表访问的网站。矩阵中的元素值为1表示用户访问过相应网站，元素值为0表示没有访问相应网站。

通过搭建模型、在数据集上训练模型。 逻辑回归的输出值是用户点击某个广告的概率值。

逻辑回归主要用到一个函数将数据转换为[0,1]之间的数值  Logit(P) = log(p) - log(1-p) , 其中P表示函数变量，的逻辑函数。


CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

逻辑回归 特征 数据转换 支持向量机 随机森林 决策树 神经网络

数据分析咨询请扫描二维码

若不方便扫码，搜微信号：CDAshujufenxi

上一篇回归系列（一）| 怎样正确地理解线性回归
下一篇2020美国总统竞选大戏开锣，川普当选的奇迹会再发生吗？
CDA考试动态
CDA报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present 北京国富如荷网络科技有限公司 All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询