[Rscript]逻辑回归识别学生群体的R实现

2024-04-16 09:08

本文主要是介绍[Rscript]逻辑回归识别学生群体的R实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

library(ggplot2)
library(pROC)###读取数据并查看数据情况
setwd("D:\\student_recognition")
student<-read.csv("student.csv")
str(student) #查看变量
apply(student,2,function(x){mean(x=='NULL'|x=="")
})  #查看缺失值情况###数据预处理
#略###描述性分析
#绘制箱线图,可见https://blog.csdn.net/TOMOCAT/article/details/80559006
#分组查看变量
library(plyr) #可进行类似数据透视表的操作,将数据分割成更小的数据,对分割后的数据进行操作
ddply(student[,c("is_student","student_app")],c("is_student"),summarise,mean_app=mean(student_app))
##   whether_student  mean_app
## 1               0 0.1745353
## 2               1 0.4435253###逻辑回归建模
model_student<-student[,c("is_student",cont_var,class_var)]
#这里cont_var是经过数据清洗和预处理之后的用于建模的连续变量,class_var是分类变量
#计算建模的平均auc
auc<-NULL
for(i in 1:5){ind<-sample(1:dim(model_student)[1],round(dim(model_student)[1]*0.3)) #对数据集按照记录数划分成训练集和测试集train<-model_student[-ind,]test<-model_student[ind,]for (var in cont_var){train[,var]<-(train[,var]-mean(train[,var]))/sd(train[,var])test[,var]<-(test[,var]-mean(test[,var]))/sd(test[,var])} #连续变量标准化for (var in class_var){train[,var]<-as.factor(train[,var])test[,var]<-as.factor(test[,var])} #离散变量转化为因子型lm_res<-glm(is_student~.,data=train,family="binomial")pre<-predict(lm_res,test,type="reponse")auc0<-auc(test$is_student,pre)print(auc0)auc=c(auc,auc0)
}
mean(auc) #相当于五次留出法的平均auc值
#从所有变量建模到用逐步回归筛选变量
lm_res_all<-glm(is_student~.,data=model_student,family="binomial")
step_lm<-step(lm_res_all) #逐步回归筛选变量
#绘制逻辑回归变量系数大小图
coef = as.data.frame(step_lm$coefficients)
coef$var = row.names(coef)
colnames(coef)[1] = "coef"
coef = coef[-1,]
coef$pos = coef$coef>0
ggplot(coef,aes(x = reorder(var,-coef),y = coef,fill = pos))+geom_bar(stat = 'identity',position = 'identity')+scale_x_discrete(labels = c("有无学生类APP","score","学校线路占比","总出行次数","平均出行距离","出行时段-早高峰","工作日出行时间标准差","出行时段-平峰","周末出行次数","周末出行时间标准差","工作日出行时段-平峰","周末出行时段-平峰","工作日出行时段-早高峰","学校线路出行次数","周末出行时段-早高峰","工作日出行时段-无","工作日平均出行距离","周末平均出行距离","出行时间标准差","工作日出行次数","周末出行时段-无"))+theme(axis.text.x = element_text(angle = 50,hjust = 1,vjust = 1))+labs(fill = "系数正负",x = "变量",y="系数")
#可视化结果参照我的R可视化相关博文

 

这篇关于[Rscript]逻辑回归识别学生群体的R实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/908361

相关文章

Python实现终端清屏的几种方式详解

《Python实现终端清屏的几种方式详解》在使用Python进行终端交互式编程时,我们经常需要清空当前终端屏幕的内容,本文为大家整理了几种常见的实现方法,有需要的小伙伴可以参考下... 目录方法一:使用 `os` 模块调用系统命令方法二:使用 `subprocess` 模块执行命令方法三:打印多个换行符模拟

SpringBoot+EasyPOI轻松实现Excel和Word导出PDF

《SpringBoot+EasyPOI轻松实现Excel和Word导出PDF》在企业级开发中,将Excel和Word文档导出为PDF是常见需求,本文将结合​​EasyPOI和​​Aspose系列工具实... 目录一、环境准备与依赖配置1.1 方案选型1.2 依赖配置(商业库方案)二、Excel 导出 PDF

Python实现MQTT通信的示例代码

《Python实现MQTT通信的示例代码》本文主要介绍了Python实现MQTT通信的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 安装paho-mqtt库‌2. 搭建MQTT代理服务器(Broker)‌‌3. pytho

使用zip4j实现Java中的ZIP文件加密压缩的操作方法

《使用zip4j实现Java中的ZIP文件加密压缩的操作方法》本文介绍如何通过Maven集成zip4j1.3.2库创建带密码保护的ZIP文件,涵盖依赖配置、代码示例及加密原理,确保数据安全性,感兴趣的... 目录1. zip4j库介绍和版本1.1 zip4j库概述1.2 zip4j的版本演变1.3 zip4

MySQL逻辑删除与唯一索引冲突解决方案

《MySQL逻辑删除与唯一索引冲突解决方案》本文探讨MySQL逻辑删除与唯一索引冲突问题,提出四种解决方案:复合索引+时间戳、修改唯一字段、历史表、业务层校验,推荐方案1和方案3,适用于不同场景,感兴... 目录问题背景问题复现解决方案解决方案1.复合唯一索引 + 时间戳删除字段解决方案2:删除后修改唯一字

python生成随机唯一id的几种实现方法

《python生成随机唯一id的几种实现方法》在Python中生成随机唯一ID有多种方法,根据不同的需求场景可以选择最适合的方案,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习... 目录方法 1:使用 UUID 模块(推荐)方法 2:使用 Secrets 模块(安全敏感场景)方法

Spring StateMachine实现状态机使用示例详解

《SpringStateMachine实现状态机使用示例详解》本文介绍SpringStateMachine实现状态机的步骤,包括依赖导入、枚举定义、状态转移规则配置、上下文管理及服务调用示例,重点解... 目录什么是状态机使用示例什么是状态机状态机是计算机科学中的​​核心建模工具​​,用于描述对象在其生命

Spring Boot 结合 WxJava 实现文章上传微信公众号草稿箱与群发

《SpringBoot结合WxJava实现文章上传微信公众号草稿箱与群发》本文将详细介绍如何使用SpringBoot框架结合WxJava开发工具包,实现文章上传到微信公众号草稿箱以及群发功能,... 目录一、项目环境准备1.1 开发环境1.2 微信公众号准备二、Spring Boot 项目搭建2.1 创建

IntelliJ IDEA2025创建SpringBoot项目的实现步骤

《IntelliJIDEA2025创建SpringBoot项目的实现步骤》本文主要介绍了IntelliJIDEA2025创建SpringBoot项目的实现步骤,文中通过示例代码介绍的非常详细,对大家... 目录一、创建 Spring Boot 项目1. 新建项目2. 基础配置3. 选择依赖4. 生成项目5.

Linux下删除乱码文件和目录的实现方式

《Linux下删除乱码文件和目录的实现方式》:本文主要介绍Linux下删除乱码文件和目录的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux下删除乱码文件和目录方法1方法2总结Linux下删除乱码文件和目录方法1使用ls -i命令找到文件或目录