0

r には dtab というデータフレームがあり、ここではごく一部を報告します。

structure(list(ID = 1:10, X9Profit = c(21L, -6L, -49L, -4L, -61L, 
-38L, -19L, 59L, 493L, -158L), X9Online = c(0L, 0L, 1L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L), X9Age = c(NA, 6L, 5L, NA, 2L, NA, 3L, 5L, 
4L, 6L), X9Inc = c(NA, 3L, 5L, NA, 9L, 3L, 1L, 8L, 9L, 8L), X9Tenure =c(6.33, 
29.5, 26.41, 2.25, 9.91, 2.33, 8.41, 7.33, 15.33, 4.33), X9District =c(1200L, 
1200L, 1100L, 1200L, 1200L, 1300L, 1300L, 1200L, 1200L, 1100L
), X0Profit = c(NA, -32L, -22L, NA, -4L, 14L, 0L, -65L, 855L, 
-20L), X0Online = c(NA, 0L, 1L, NA, 0L, 0L, 0L, 0L, 0L, 0L), 
X9Billpay = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), X0Billpay = c(NA, 
0L, 0L, NA, 0L, 0L, 0L, 0L, 0L, 0L)), .Names = c("ID", "X9Profit", 
"X9Online", "X9Age", "X9Inc", "X9Tenure", "X9District", "X0Profit", 
"X0Online", "X9Billpay", "X0Billpay"), row.names = c(NA, 10L), class ="data.frame")

いくつかの変数の名前を変更しました (この部分は正しいです):

N=dim(dtab)[1]
Profit9=dtab$X9Profit
Online9=dtab$X9Online
Age=dtab$X9Age
Income=dtab$X9Inc
Tenure=dtab$X9Tenure
District=dtab$X9District
Profit0=dtab$X0Profit
Online0=dtab$X0Online
District1100 = ifelse(District==1100,1,0)
District1200 = ifelse(District==1200,1,0)
AgeGiven = ifelse(is.na(Age),0,1)
AgeZero = ifelse(is.na(Age),0,Age)
IncomeZero = ifelse(is.na(Income),0,Income)
IncomeGiven = ifelse(is.na(Income),0,1)
Retain=ifelse(is.na(Profit0),0,1)
Retain=as.factor(Retain)

Retain は、値として 0 または 1 を想定できるダミー変数です。このロジスティック モデルの混同行列が必要です (N 個の観測値があります)

Retain~Profit9+Online9+AgeZero+IncomeZero+Tenure

だから私はやった

set.seed(1)
x=sample(1:N, N/2,replace = FALSE)
training=dtab$ID %in% x

これにより、列車セットを作成するための論理ベクトルが生成されます。これで問題ないようです。

testing=!(training)

Retain_testing=dtab$Retain[testing]

model=glm(Retain~Profit9+Online9+AgeZero+IncomeZero+Tenure,
data=dtab[training,],family=binomial)

  • 今、私は警告を出しましたが、これは問題ではありません。これは、この非常に小さなデータのサブセットで発生するためです (それがないため、約 100 の観測値を入力する必要があります)。

    Warning message:
glm.fit: fitted probabilities numerically 0 or 1 occurred

    model_pred_probs=predict(model,newdata=dtab[テスト,], type='response')

  • 1° 問題: 予測が多すぎる

    Warning message:'newdata' had 5 rows but variables found have 10 rows

混同行列を作成する必要があるため、次のようにしました。

model_pred_Retain=rep(0,N/2)
model_pred_Retain[model_pred_probs>0.5]=1
table(model_pred_Retain, Retain_testing)

  • 2° 問題: (おそらく最初のものに関連している)

    Error in table(model_pred_Retain, Retain_testing) : all argoments should have the same length

あちこちチェックしましたが、何が問題なのかわかりません。

4

0 に答える 0