热线电话:13121318867

登录
首页精彩阅读使用R进行逻辑回归 分类
使用R进行逻辑回归 分类
2018-01-18
收藏

使用R进行逻辑回归 分类

逻辑回归模型

属于分类模型,二元分类器。类似的二元分类器还有决策树随机森林支持向量机以及神经网络

逻辑回归模型相对于k-邻近模型,具有“运行时间”低的优势。 当数据空间很大时,预测新数据的类别需要计算这个数据点的k个“邻居”,因此需要把所有的新旧数据点都存在内存中,这通常会耗费大量的“运行时间”。而线性模型则不然,无论模型更新还是用作实际预测,它的速度通常都令人满意,线性模型的更新只涉及到新的数据,因此不需要把旧数据也放在内存中,这极大的提高了运行速度。一旦线性模型的参数估计完毕,只需要保存这些参数的估计值,预测新数据只涉及计算参数估计向量与新数据特征变量的点积问题。

在《数据科学实践》中,以M6D的真实案例进行研究来说明逻辑回归模型的内容。

要解决的问题:

根据用户鼠标点击屏幕中广告的情况,获取广告展示的点击率。分析商业模式、给定广告能够向目标用户展示,提供多大的价值?

解决思路:

选用什么样的数据来分析这个问题?如何使用模型来提高广告点击度?

一个用户访问广告就是记录一条URL字符串,那么,如果每个用户都这样表示,建立一个二维矩阵来表示全部用户访问历史。

矩阵的行代表用户,矩阵的列代表访问的网站。矩阵中的元素值为1表示用户访问过相应网站,元素值为0表示没有访问相应网站。

通过搭建模型、在数据集上训练模型。 逻辑回归的输出值是用户点击某个广告的概率值。

逻辑回归主要用到一个函数将数据转换为[0,1]之间的数值  Logit(P) = log(p) - log(1-p) , 其中P表示函数变量,的逻辑函数。

数据分析咨询请扫描二维码

最新资讯
更多
客服在线
立即咨询