R语言

逻辑回归是回归模型，其中响应变量（因变量y）具有诸如True / False或0/1的分类值。 它实际上基于将其与预测变量（自变量x）相关的数学方程测量二元响应的概率，作为响应变量的值。 逻辑回归的一般数学方程为 ：

y = 1/(1+e^-(a+b1x1+b2x2+b3x3+…))

以下是所使用的参数的描述 ：

逻辑回归中glm()函数的基本语法是：

glm(formula,data,family)

以下是所使用的参数的描述：

举个栗子：

内置数据集“mtcars”描述具有各种发动机规格的汽车的不同型号。 在“mtcars”数据集中，传输模式（自动或手动）由am列描述，它是一个二进制值（0或1）。 我们可以在列“am”和其他3列（hp，wt和cyl）之间创建逻辑回归模型。

输入：

(Intercept)的Estimate ---- 公式中的b

vyl、hp、wt的Estimate ----公式中的系数

Pr(>|z|)—p-value:P值。概率p值估计了系数不显著的可能性，越小越好。如果p值很大，说明不显著的可能性很高。一般情况下如果p值远小于于显著水平α=0.05（可更换显著性水平的值）

Std.Error是回归系数的标准误差

Null deviance:无效偏差（零偏差）； Residual deviance:剩余偏差 ；无效偏差和剩余偏差之间的差异越大越好

AIC：评价模型拟合的重要指标； AIC越低越好

结论： 在总结中，对于变量“cyl”和“hp”，最后一列中的p值（Pr(>|z|)）大于0.05，我们认为它们对变量“am”的值有贡献是无关紧要的。 只有重量（wt）影响该回归模型中的“am”值。