Q
R中的邏輯迴歸
1
A
回答
6
這非常容易。
m <- glm(Y ~ X, family = 'binomial')
summary(m)
在未來只是嘗試輸入的內容似乎是顯而易見的第一次。如果你不怕犯錯誤,你會學得更快。
0
glmnet也將是確定您的問題
glm1=cv.glmnet(x,y,family="binomial",alpha=0)
prglm=predict(glm1,newx,type="response")
相關問題
- 1. R邏輯迴歸
- 2. R gbm邏輯迴歸
- 3. R中的多元邏輯迴歸
- 4. 邏輯迴歸
- 5. polr(..)序數邏輯迴歸在R
- 6. python中的邏輯迴歸
- 7. Java中的邏輯迴歸
- 8. sklearn邏輯迴歸
- 9. R中的邏輯迴歸(類似SAS的輸出)
- 10. 您如何進行R中邏輯迴歸的功效分析?
- 11. r中逐步邏輯迴歸的語法
- 12. 部署邏輯迴歸模型中的R
- 13. 繪製R邏輯迴歸中的兩條曲線
- 14. R中的高效循環邏輯迴歸
- 15. 在sklean邏輯迴歸
- 16. Python Numpy邏輯迴歸
- 17. 邏輯迴歸和引導
- 18. 邏輯迴歸調試tensorflow
- 19. 分類邏輯迴歸,庫
- 20. R:在glm()中邏輯迴歸中預測(0,1)
- 21. Python中的加權邏輯迴歸
- 22. 邏輯迴歸中的重採樣
- 23. ggplot2中的邏輯迴歸模型
- 24. 多項邏輯迴歸中的錯誤
- 25. 如何在R中測試邏輯迴歸模型?
- 26. 無法在R中執行邏輯迴歸
- 27. R編程:使用自定義函數的邏輯迴歸
- 28. 使用R邏輯迴歸模型進行預測的錯誤
- 29. R:分層數據的貝葉斯邏輯迴歸
- 30. R:如何製作邏輯迴歸模型的預測列?
@Seth,你的鏈接指向本地主機。在線查找並粘貼。 – 2012-07-22 07:23:02
這裏是一個演練的鏈接http://nlp.stanford.edu/~manning/courses/ling289/logistic.pdf – Seth 2012-07-22 15:48:46