1. Învăţa
    2. /
  2. Courses
    3. /
  3. R의 caret로 배우는 Machine Learning
Connected

exercise

로지스틱 회귀 모델 적합하기

무작위로 나눈 학습용과 테스트용 데이터셋이 준비되면, 학습용 데이터셋에 glm() 함수를 사용해 로지스틱 회귀 모델을 적합할 수 있어요. glm()은 기본적인 최소제곱 회귀 외에도 더 다양한 유형의 회귀 모델을 허용하는, lm()의 확장 버전입니다.

로지스틱(선형이 아닌) 회귀를 수행하려면 glm()에 family = "binomial" 인수를 꼭 전달하세요. 예를 들어:

glm(Target ~ ., family = "binomial", dataset)

glm.fit: algorithm did not converge 또는 glm.fit: fitted probabilities numerically 0 or 1 occurred 같은 경고는 걱정하지 않으셔도 됩니다. 작은 데이터셋에서 흔히 나타나며 보통 문제를 일으키지 않아요. 이는 대개 데이터셋이 수학적으로 완벽하게 분리 가능하다는 뜻인데, 이 경우 모델의 수학에 어려움이 있을 수 있지만 R의 glm() 함수는 거의 항상 이 상황을 무리 없이 처리합니다.

데이터셋에 glm() 모델을 적합한 후에는, predict() 함수에 type = "response" 인수를 사용해 test 세트에 대한 결과(예: rock 또는 mine)를 예측할 수 있습니다:

predict(my_model, test, type = "response")

Instrucţiuni

100 XP
  • 학습용 Sonar 세트를 사용해, 다른 모든 변수를 예측 변수로 하여 Class를 예측하는 로지스틱 회귀를 적합하고 이름을 model로 하세요.
  • 그 모델로 test 세트에 대해 예측하세요. 결과는 이전과 같이 p라고 저장하세요.