R语言 如何绘制Logistic回归曲线

在这篇文章中，我们将学习如何在R编程语言中绘制Logistic回归曲线。

Logistic回归基本上是一种有监督的分类算法。它可以帮助我们创建一条区分两类变量的区分曲线。为了在R语言中绘制Logistic回归曲线，我们使用以下方法。

使用的数据集： Sample4

方法1：使用基本的R方法

为了在基础R语言中绘制Logistic回归曲线，我们首先使用glm()函数在Logistic回归模型中拟合这些变量。glm()函数用于拟合广义线性模型，通过给出线性预测因子的符号描述来指定。然后我们使用该模型创建一个数据框，其中Y轴变量被改变为其预测值，该预测值是通过使用predict()函数和上述创建的模型得出的。然后，我们使用plot()函数绘制原始点的散点图，使用lines()函数绘制预测值。

语法

logistic_model <- glm( formula, family, dataframe )

plot( original_dataframe )

lines( predicted_dataframe )

参数

• formula： 决定了拟合模型的符号描述。
• family： 决定了模型中使用的误差分布和链接函数的描述。
• dataframe： 确定用于拟合的数据帧。

例子： 绘制Logistic回归图

# load dataframe
df <- read.csv("Sample4.csv")
 
# create logistic regression model
logistic_model <- glm(var1 ~ var2, data=df, family=binomial)
 
#Data frame with hp in ascending order
Predicted_data <- data.frame(var2=seq(
  min(dfvar2), max(dfvar2),len=500))
 
# Fill predicted values using regression model
Predicted_data$var1 = predict(
  logistic_model, Predicted_data, type="response")
 
# Plot Predicted data and original data points
plot(var1 ~ var2, data=df)
lines(var1 ~ var2, Predicted_data, lwd=2, col="green")

输出

方法2：使用ggplot2软件包

为了使用ggplot2包库绘制Logistic曲线，我们使用stat_smooth()函数。函数的参数方法为 “glm”，在ggplot2图上绘制Logistic回归曲线。因此，我们首先绘制所需的原始数据点的散点图，然后使用stat_smooth()函数将其与回归曲线重叠。

语法

plot + stat_smooth( method=”glm”, se, method.args )

参数

• se： 决定了一个布尔值，它告诉我们是否要在光滑周围显示置信区间。
• method.args： 决定了logistic曲线的方法函数。

例子： 绘制Logistic回归图

# load library ggplot2
library(ggplot2)
 
# load data from CSV
df <- read.csv("Sample4.csv")
 
# Plot Predicted data and original data points
ggplot(df, aes(x=var2, y=var1)) + geom_point() +
      stat_smooth(method="glm", color="green", se=FALSE,
                method.args = list(family=binomial))

输出