#用数据集iris鸢尾花的例子来说明
#glm()昰基础包里的广义线性模型函数,glm()提供正态、指数、gamma、逆高斯、Poisson、二项分布
#所以做logistuc时只能做二项的
#predict()可以预测拟合后的模型,得出来的是數字所以做如下处理,注意:0是分界点
#table()可以观察预测结果情况
因变量是多项时glm()就做不了了。但是mlogit包可以做
利用mlogit包自带的Fishing数据集作为唎子。
#用数据集iris鸢尾花的例子来说明
#glm()昰基础包里的广义线性模型函数,glm()提供正态、指数、gamma、逆高斯、Poisson、二项分布
#所以做logistuc时只能做二项的
#predict()可以预测拟合后的模型,得出来的是數字所以做如下处理,注意:0是分界点
#table()可以观察预测结果情况
因变量是多项时glm()就做不了了。但是mlogit包可以做
利用mlogit包自带的Fishing数据集作为唎子。
积分 92, 距离下一级还需 53 积分 购买后可立即获得 权限: 隐身 道具: 金钱卡, 变色卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板 |
|
|
#用数据集iris鸢尾花的例子来说明
#glm()昰基础包里的广义线性模型函数,glm()提供正态、指数、gamma、逆高斯、Poisson、二项分布
#所以做logistuc时只能做二项的
#predict()可以预测拟合后的模型,得出来的是數字所以做如下处理,注意:0是分界点
#table()可以观察预测结果情况
因变量是多项时glm()就做不了了。但是mlogit包可以做
利用mlogit包自带的Fishing数据集作为唎子。
版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。