R语言逻辑回归Logisitc逐步回归训练与验证样本估计分析心脏病数据参数可视化

在进行交叉验证之前,很自然地说“我会预烧 50%(比如说)我的数据来训练一个模型,然后用剩下的来拟合模型”。

由Kaizong Ye,Liao Bao撰写

例如,我们可以使用训练数据进行变量选择(例如,在逻辑回归中使用一些逐步过程),然后,一旦选择了变量,就将模型拟合到剩余的观察集上。

一个自然的问题通常是“这真的重要吗?”。

为了可视化这个问题,考虑我的(简单)数据集

使用心脏病数据,预测急诊病人的心肌梗死,包含变量:

  • 心脏指数
  • 心搏量指数
  • 舒张压
  • 肺动脉压
  • 心室压力
  • 肺阻力
  • 是否存活

让我们生成 100 个训练样本(我们保留大约 50% 的观察值)。在它们中的每一个上,我们使用逐步过程,并保留剩余变量的估计值(以及它们的标准差)

然后,对于 7 个协变量(和常数),我们可以查看拟合在训练样本上的模型中的系数值,以及拟合在验证样本上的模型上的值


视频

贝叶斯推断线性回归与R语言预测工人工资数据

探索见解

去bilibili观看

探索更多视频


视频

逻辑回归Logistic模型原理和R语言分类预测冠心病风险实例

探索见解

去bilibili观看

探索更多视频

例如,对于截距,我们有以下

其中水平段是模型上拟合在训练样本上的参数的置信区间,垂直段是验证样本上的置信区间。蓝色部分表示某种一致性,而红色部分表示实际上,一个模型的系数为负,另一个模型为正。

我们还可以可视化两个估计量的联合分布,


R语言逻辑回归(Logistic Regression)、回归决策树、随机森林信用卡违约分析信贷数据集

阅读文章


在这里,几乎在对角线上,


随时关注您喜欢的主题


这意味着两个样本的截距(或多或少)相同。然后我们可以查看其他参数。

在该变量上,它似乎在训练数据集上很显著(不知何故,这与它在逐步过程之后保留在模型中的事实一致)但在验证样本上不显著(或几乎不显著)。

其他的则更加一致(有一些可能的异常值)

在下一个问题上,我们在训练样本上又有显著性,但在验证样本上没有。

可能更有趣:

两者非常一致。


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds