logistics regression
# solve the problem of 13 chapter rm(list = ls()) data <- read.csv("C:/users/mike1/desktop/data/RData/chapter13_oneExercise.csv", header = T, sep = ",") dim(data) names(data) # show the tabel data[1:10,]# show 10 lines result <- glm(y~目标速度, data = data, family = binomial(link = probit)) summary(result) result_fit <- result$fit result_fit result_prd <- result$linear.predictors result_prd result_res <- residuals(result, c = "deviance") result_res qqnorm(result_res) qqline(result_res) plot(result_prd, result_res) plot(result_fit, result_res)
预测值与残差图:
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· Linux系列:如何用 C#调用 C方法造成内存泄露
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 单元测试从入门到精通
· 上周热点回顾(3.3-3.9)
· winform 绘制太阳,地球,月球 运作规律