När du väl har dina slumpmässiga tränings- och testmängder kan du anpassa en logistisk regressionsmodell till träningsdatan med funktionen glm(). glm() är en mer avancerad version av lm() och stöder fler typer av regressionsmodeller, inte bara vanlig minsta-kvadratregression.

Kom ihåg att skicka in argumentet family = "binomial" till glm() för att ange att du vill använda logistisk regression (i stället för linjär). Till exempel:

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

Bry dig inte om varningar som glm.fit: algorithm did not converge eller glm.fit: fitted probabilities numerically 0 or 1 occurred. De är vanliga vid mindre datamängder och brukar inte orsaka några problem. De indikerar vanligtvis att datamängden är perfekt separerbar, vilket kan ställa till problem för matematiken bakom modellen – men R:s glm()-funktion är nästan alltid tillräckligt robust för att hantera detta utan svårigheter.

När du har anpassat en glm()-modell till din datamängd kan du förutsäga utfallet (till exempel berg eller mina) på test-mängden med funktionen predict() och argumentet type = "response":

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

Varför dela upp data i tränings- och testmängd?

Maskininlärning med caret i R

Interaktiv övning med praktiskt arbete