具有分类和连续自变量的Logistic回归。 ROC曲线和混淆矩阵

Question

我尝试使用下面的语法来执行逻辑回归，

logregmodel <- glm(Y ~., data = quant, family = binomial()) 

我有使用上述语法15个分类变量和30连续variables.By我不能确定是什么连续和分类变量。手动对它们进行分类会花费很多时间。我还想将ROC曲线和混淆矩阵添加到输出中。请帮助。

Answer 1

如果在quant中，分类变量是非数字，glm将正确处理它们作为分类变量。

为了得到混淆矩阵，使用predict功能：

# This will give you probabilities. 
fitted <- predict(logregmodel, quant, type="response") 

# Use a cut point to divide into classes 
cutpoint <- 0.5 
estimated.class <- ifelse(fitted > cutpoint, 'Class 1', 'Class 2') 

# Calculate the confusion matrix 
table(estimated.class, actual.class) 

可以使用ROCR包来获得ROC曲线。 Here is a good explination。您必须向下滚动一下ROC曲线部分，但整个事情都是非常重要的。

ROCR包（特别是prediction函数）也可以用来得到混淆矩阵。

我只想指出，如果ROC曲线和模型性能的度量（例如灵敏度或特异性）是根据从用于拟合模型的相同数据集中导出的预测响应计算得出的，则会产生偏差。