R语言回归分析实例.pdfVIP

R语⾔回归分析实例 本⽂包含多元线性回归及逻辑回归两种算法，个⼈实践操作，希望 与⼤家⼀起交流分享，如有描述不当之处，欢迎并多谢指正。 #⼀、公共部分，加载并审核数据、设置数据分区 # # 1、设置⼯作 ⽬录 setwd(E:/R语⾔建模实例) # #2、加载数据，header=TRUE表⽰读取表头，sep为分隔符设置 userdata - read.table(file=⽤户清单.txt,header = TRUE,sep = ,) # #3、查看统计量并进⾏数据审核 vsummary-summary (userdata) View(vsummary) #数据审核相关函数说明 #summary ()函数可以获取描述性统计量，可以提供最⼩值、最⼤值、四分位数和数值型变量的均值，以及因⼦向量和逻辑型向量的频数统 计 #misc包中的describe()函数，可返回变量和观测的数量、缺失值和唯⼀值的数 ⽬、平均值、分位数，以及五个最⼤的值和五个最⼩的值 #psych包中的describe()函数，psych包也拥有⼀个名为describe()的函数，它可以计算⾮缺失值的数量、平均数、标准差、中位数、截 尾均值、绝对中位差、最⼩值、最⼤值、值域、偏度、峰度和平均值的标准误 #pastecs包中的stat.desc()的函数，可以计算种类繁多的描述性统计量。使⽤格式为 ： stat.desc （x,basic=TRUE,desc=TRUE,norm=FALSE,p=0.95） #其中的x是⼀个数据框或时间序列。若basic=TRUE （默认值），则计算其中所有值、空值、缺失值的数量，以及最⼩值、最⼤值、值域， 还有总和。若desc=TRUE （同样也是默认值），则计算中位数、平均数、平均数的标准误、平均数置信度为95%的置信区间、⽅差、标准 差以及变异系数。最后，若norm=TRUE （不是默认的），则返回正态分布统计量，包括偏度和峰度 （以及它们的统计显著程度）和 Shapiro –Wilk正态检验结果 #str()函数，以简洁的⽅式显⽰对象的数据结构及内容，可以查看数据框中每个变量的属性 #attributes()函数，可以提取对象除长度和模式以外的各种属性 library (psych) vdescr-describe(userdata) View(vdescr) #⽤View查看结果，依次是变量名称、顺序号、元素数量、平均值、标准差、中位数、截尾均值、绝对中位差、最⼩值、最⼤值、值域、偏 度、峰度和平均值的标准误差 # #4、相关性矩阵,变量较多，最好是将矩阵保留到变量中，⽤View()函数查看 vcor-cor(userdata) View(vcor) #⽤离⽹标识来举例，可以从结果上查看相关系数⽐较⾼的⼀些指标， #近三⽉通话次数波动率为负相关，近三个⽉⽋费次数、当⽉0通话天数为正相关 # #5、去掉⽤户ID，筛选完后可以⽤str()函数查看⼀下筛选情况 newusdata-userdata[,c(- 1)]#- 1中，-号为排除变量，1表⽰排除第⼀列 #6、分箱，分出训练集和测试集 set.seed(1234) #样本抽取，分两个箱，replace=TRUE为允许放回抽取,FALSE为⼀次性抽取,prob为抽取概率 ind - sample(2, nrow(newusdata), replace=TRUE, prob=c(0.5, 0.5)) #获取训练集 trainData - na.omit(newusdata[ind== 1,]) #顺便使⽤na.omit()函数清洗⽆效数据 #获取测试集 testData - na.omit(newusdata[ind==2,]) #顺便使⽤na.omit()函数清洗⽆效数据 #可以统计⼀下训练集数据 nrow(trainData) #[1] 37528 nrow(testData) #[1] 37340 #⼆、多元线性回归 #我们先来看⼀下ARPU和业务使⽤量等指标之间的线性回归 #7、训练多元线性回归模型，预测出账收⼊，先构建ARPU与所有其它变量的线性关系模型 fit_all-lm(出账收⼊~., data = trainData) #8、观察并解读模型统计量 summary (fit_all) #模型fit_all的统计量 start # Call: # lm(formula = 出账收⼊ ~ ., data = tra