✅ GLM i R - GLM-funksjon og hvordan opprette GLM i R?

Hva er GLM i R?

Hva er GLM i R?

Generaliserte lineære modeller er en undergruppe av lineære regresjonsmodeller og støtter ikke-normale distribusjoner effektivt. For å støtte dette anbefales det å bruke glm () -funksjonen. GLM fungerer bra med en variabel når variansen ikke er konstant og distribueres normalt. En koblingsfunksjon er definert for å transformere responsvariabelen slik at den passer til den aktuelle modellen. En LM-modell er gjort med både familien og formelen. GLM-modellen har tre viktige komponenter som kalles tilfeldig (sannsynlighet), systematisk (lineær prediktor), linkkomponent (for logit-funksjon). Fordelen med å bruke glm er at de har modellfleksibilitet, ikke behov for konstant varians, og denne modellen passer til maksimal sannsynlighetsestimering og dens forhold. I dette emnet skal vi lære om GLM i R.

GLM-funksjon

Syntaks: glm (formel, familie, data, vekter, delmengde, Start = null, modell = SANN, metode = ””…)

Her inkluderer familietyper (inkluderer modelltyper) binomial, Poisson, Gaussian, gamma, quasi. Hver distribusjon utfører en annen bruk og kan brukes i enten klassifisering og prediksjon. Og når modellen er gaussisk, bør responsen være et reelt heltall.

Og når modellen er binomial, bør responsen være klasser med binære verdier.

Og når modellen er Poisson, bør responsen være ikke-negativ med en numerisk verdi.

Og når modellen er gamma, bør responsen være en positiv numerisk verdi.

glm.fit () - For å passe til en modell

Lrfit () - angir passform for logistisk regresjon.

update () - hjelper til med å oppdatere en modell.

anova () - det er en valgfri test.

Hvordan lage GLM i R?

Her skal vi se hvordan lage en enkel generalisert lineær modell med binære data ved å bruke glm () -funksjon. Og ved å fortsette med Trees-datasettet.

eksempler

// Importere et bibliotek
library(dplyr) glimpse(trees)

For å se kategoriske verdier tildeles faktorer.

levels(factor(trees$Girth))

// Verifisere kontinuerlige variabler

library(dplyr) continuous <-select_if(trees, is.numeric) summary(continuous)

// Inkludert tredatasett i R-søk Pathattach (trær)

x<-glm(Volume~Height+Girth) x

Produksjon:

Ring: glm (formel = Volum ~ Høyde + Omkrets)

koeffisienter:

(Avskjæring) Høyde Omkrets

-57.9877 0.3393 4.7082

Degrees of Freedom: 30 Total (dvs. Null); 28 Rest

Null avvik: 8106

Restavvik: 421.9 AIC: 176.9

summary(x)

Anrop:

glm (formel = Volum ~ Høyde + Omkrets)

Avviksrester:

Min 1Q Median 3Q Maks

-6.4065 -2.6493 -0.2876 2.2003 8.4847

koeffisienter:

Estimate Std. Feil t verdi Pr (> | t |)

(Intercept) -57.9877 8.6382 -6.713 2.75e-07 ***

Høyde 0.3393 0.1302 2.607 0.0145 *

Omkrets 4.7082 0.2643 17.816 <2e-16 ***

Signif. koder: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0, 1 '' 1

(Dispersjonsparameter for gaussisk familie antatt å være 15.06862)

Null avvik: 8106.08 på 30 frihetsgrader

Restavvik: 421, 92 på 28 frihetsgrader

AIC: 176, 91

Antall Fisher-iterasjoner: 2

Utgangen fra sammendragsfunksjonen gir ut samtaler, koeffisienter og rester. Ovennevnte svar viser at både høyde og omkrets er effektiv uten betydning, ettersom sannsynligheten for dem er mindre enn 0, 5. Og det er to varianter av avvik som heter null og gjenværende. Endelig er fiskerscoring en algoritme som løser maksimale sannsynlighetsproblemer. Med binomial er responsen en vektor eller matrise. cbind () brukes til å binde kolonnevektorene i en matrise. Og for å få detaljert informasjon om passformsammendraget blir brukt.

For å gjøre som hette-test utføres følgende kode.

step(x, test="LRT") Start: AIC=176.91 Volume ~ Height + Girth Df Deviance AIC scaled dev. Pr(>Chi) 421.9 176.91 - Height 1 524.3 181.65 6.735 0.009455 ** - Girth 1 5204.9 252.80 77.889 < 2.2e-16 *** --- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Call: glm(formula = Volume ~ Height + Girth) Coefficients: (Intercept) Height Girth -57.9877 0.3393 4.7082 Degrees of Freedom: 30 Total (ie Null); 28 Residual Null Deviance: 8106 Residual Deviance: 421.9 AIC: 176.9

Modell passform

a<-cbind(Height, Girth - Height) > a

Sammendrag (trees)

Girth Height Volume Min. : 8.30 Min. :63 Min. :10.20 1st Qu.:11.05 1st Qu.:72 1st Qu.:19.40 Median :12.90 Median :76 Median :24.20 Mean :13.25 Mean :76 Mean :30.17 3rd Qu.:15.25 3rd Qu.:80 3rd Qu.:37.30 Max. :20.60 Max. :87 Max. :77.00

For å få passende standardavvik

apply(trees, sd) Girth Height Volume 3.138139 6.371813 16.437846 predict <- predict(logit, data_test, type = 'response')

Deretter henviser vi til telleresponsvariabelen for å modellere en god responspasning. For å beregne dette bruker vi USAccDeath datasettet.

La oss gå inn i følgende kodebiter i R-konsollen og se hvordan årstallet og årstorget utføres på dem.

data("USAccDeaths") force(USAccDeaths)

// For å analysere året fra 1973-1978.

disc <- data.frame(count=as.numeric(USAccDeaths), year=seq(0, (length(USAccDeaths)-1), 1))) yearSqr=disc$year^2 a1 <- glm(count~year+yearSqr, family="poisson", data=disc) summary(a1)

Anrop:

glm (formel = telle ~ år + årSqr, familie = “poisson”, data = plate)

Avviksrester:

Min 1Q Median 3Q Maks

-22.4344 -6.4401 -0.0981 6.0508 21.4578

koeffisienter:

Estimate Std. Feil z-verdi Pr (> | z |)

(Intercept) 9.187e + 00 3.557e-03 2582.49 <2e-16 ***

år -7.207e-03 2.354e-04 -30.62 <2e-16 ***

årSkr 8.841e-05 3.221e-06 27.45 <2e-16 ***

Signif. koder: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0, 1 '' 1

(Dispersjonsparameter for Poisson-familien antatt å være 1)

Null avvik: 7357, 4 på 71 frihetsgrader

Restavvik: 6358, 0 på 69 frihetsgrader

AIC: 7149.8

Antall Fisher-iterasjoner: 4

For å bekrefte at modellen passer best, kan følgende kommando brukes til å finne

restene til testen. Fra resultatet nedenfor er verdien 0.

1 - pchisq(deviance(a1), df.residual(a1))

(1) 0

Bruke QuasiPoisson-familien for større varians i de gitte dataene

a2 <- glm(count~year+yearSqr, family="quasipoisson", data=disc) summary(a2)

Anrop:

glm (formel = telle ~ år + årSqr, familie = “quasipoisson”,

data = plate)

Avviksrester:

Min 1Q Median 3Q Maks

-22.4344 -6.4401 -0.0981 6.0508 21.4578

koeffisienter:

Estimate Std. Feil t verdi Pr (> | t |)

(Intercept) 9.187e + 00 3.417e-02 268.822 <2e-16 ***

år -7.207e-03 2.261e-03 -3.188 0.00216 **

årSkv. 8.841e-05 3.095e-05 2.857 0.00565 **

(Dispersjonsparameter for quasipoisson-familie antatt å være 92.28857)

Null avvik: 7357, 4 på 71 frihetsgrader

Restavvik: 6358, 0 på 69 frihetsgrader

AIC: NA

Antall Fisher-iterasjoner: 4

Sammenligning av Poisson med binomial AIC-verdi er betydelig forskjellig. De kan analyseres med presisjons- og tilbakekallingsforhold. Neste trinn er å verifisere resterende varians er proporsjonal med gjennomsnittet. Da kan vi plotte ved å bruke ROCR-bibliotek for å forbedre modellen.

Konklusjon

Derfor har vi fokusert på spesiell modell kalt generalisert lineær modell som hjelper med å fokusere og estimere modellparametrene. Det er først og fremst potensialet for en kontinuerlig responsvariabel. Og vi har sett hvordan glm passer til en R innebygde pakker. De er de mest populære tilnærmingene for måling av telledata og et robust verktøy for klassifiseringsteknikker brukt av en dataforsker. R-språk hjelper selvfølgelig med å utføre kompliserte matematiske funksjoner

Anbefalte artikler

Dette er en guide til GLM i R. Her diskuterer vi GLM-funksjonen og Hvordan lage GLM i R med tredatasett eksempler og utdata. Du kan også se på følgende artikkel for å lære mer -

R Programmeringsspråk
Big Data Architecture
Logistisk regresjon i R
Big Data Analytics jobber
Poisson Regresjon i R | Implementering av Poisson Regression

Kategori:

Stor Data

GLM i R - GLM-funksjon og hvordan opprette GLM i R?