आर में लॉजिस्टिक रिग्रेशन मॉडल के साथ प्रेडिक्ट() का उपयोग कैसे करें

एक बार जब हम आर में एक लॉजिस्टिक रिग्रेशन मॉडल फिट कर लेते हैं, तो हम एक नए अवलोकन के प्रतिक्रिया मूल्य की भविष्यवाणी करने के लिए भविष्यवाणी () फ़ंक्शन का उपयोग कर सकते हैं जिसे मॉडल ने पहले कभी नहीं देखा है।

यह फ़ंक्शन निम्नलिखित सिंटैक्स का उपयोग करता है:

भविष्यवाणी (वस्तु, नया डेटा, प्रकार = “प्रतिक्रिया”)

सोना:

• ऑब्जेक्ट: लॉजिस्टिक रिग्रेशन मॉडल का नाम
• न्यूडेटा: पूर्वानुमान लगाने के लिए नए डेटा फ़्रेम का नाम
• प्रकार: की जाने वाली भविष्यवाणी का प्रकार

निम्नलिखित उदाहरण दिखाता है कि व्यवहार में इस फ़ंक्शन का उपयोग कैसे करें।

उदाहरण: आर में लॉजिस्टिक रिग्रेशन मॉडल के साथ प्रेडिक्ट() का उपयोग करना

इस उदाहरण के लिए, हम mtcars नामक अंतर्निहित R डेटासेट का उपयोग करेंगे:

 #view first six rows of mtcars dataset
head(mtcars)

                   mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
Valiant 18.1 6 225 105 2.76 3,460 20.22 1 0 3 1

हम निम्नलिखित लॉजिस्टिक रिग्रेशन मॉडल को फिट करेंगे जिसमें हम प्रतिक्रिया चर am (कार का ट्रांसमिशन प्रकार: 0 = स्वचालित, 1 = मैनुअल) की भविष्यवाणी करने के लिए वेरिएबल disp और hp का उपयोग करते हैं:

 #fit logistic regression model
model <- glm(am ~ disp + hp, data=mtcars, family=binomial)

#view model summary
summary(model)

Call:
glm(formula = am ~ disp + hp, family = binomial, data = mtcars)

Deviance Residuals: 
    Min 1Q Median 3Q Max  
-1.9665 -0.3090 -0.0017 0.3934 1.3682  

Coefficients:
            Estimate Std. Error z value Pr(>|z|)  
(Intercept) 1.40342 1.36757 1.026 0.3048  
available -0.09518 0.04800 -1.983 0.0474 *
hp 0.12170 0.06777 1.796 0.0725 .
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 43,230 on 31 degrees of freedom
Residual deviance: 16,713 on 29 degrees of freedom
AIC: 22,713

Number of Fisher Scoring iterations: 8

फिर हम एक नया डेटा फ्रेम बना सकते हैं जिसमें आठ कारों के बारे में जानकारी शामिल है जिन्हें मॉडल ने पहले कभी नहीं देखा है और भविष्यवाणी() फ़ंक्शन का उपयोग करके इस संभावना का अनुमान लगाया है कि एक नई कार में स्वचालित ट्रांसमिशन (am = 0) या मैन्युअल ट्रांसमिशन होगा ( हूँ =1):

 #define new data frame
newdata = data. frame (disp=c(200, 180, 160, 140, 120, 120, 100, 160),
                     hp=c(100, 90, 108, 90, 80, 90, 80, 90),
                     am=c(0, 0, 0, 1, 0, 1, 1, 1))

#view data frame
newdata

#use model to predict value of am for all new cars
newdata$am_prob <- predict(model, newdata, type=" response ")

#view updated data frame
newdata

  disp hp am am_prob
1 200 100 0 0.004225640
2 180 90 0 0.008361069
3 160 108 0 0.335916069
4 140 90 1 0.275162866
5 120 80 0 0.429961894
6 120 90 1 0.718090728
7 100 80 1 0.835013994
8 160 90 1 0.053546152

यहां परिणाम की व्याख्या करने का तरीका बताया गया है:

• कार 1 में मैन्युअल ट्रांसमिशन होने की प्रायिकता 0.004 है।
• कार 2 में मैनुअल ट्रांसमिशन होने की संभावना 0.008 है।
• कार 3 में मैनुअल ट्रांसमिशन होने की संभावना 0.336 है।

और इसी तरह।

हम कन्फ्यूजन मैट्रिक्स बनाने के लिए टेबल() फ़ंक्शन का भी उपयोग कर सकते हैं जो मॉडल द्वारा अनुमानित मूल्यों बनाम वास्तविक एएम मान प्रदर्शित करता है:

 #create vector that contains 0 or 1 depending on predicted value of am
am_pred = rep(0, dim(newdata)[1])
am_pred[newdata$am_prob > .5] = 1

#create confusion matrix
table(am_pred, newdata$am)

am_pred 0 1
      0 4 2
      1 0 2

अंत में, हम नए डेटाबेस में अवलोकनों के प्रतिशत की गणना करने के लिए मीन () फ़ंक्शन का उपयोग कर सकते हैं जिसके लिए मॉडल ने am के मान की सही भविष्यवाणी की है:

 #calculate percentage of observations the model correctly predicted response value for
mean(am_pred == newdata$am)

[1] 0.75

हम देख सकते हैं कि मॉडल ने नए डेटाबेस में 75% कारों के लिए am मान की सही भविष्यवाणी की है।

अतिरिक्त संसाधन

निम्नलिखित ट्यूटोरियल बताते हैं कि आर में अन्य सामान्य कार्य कैसे करें:

आर में सरल रैखिक प्रतिगमन कैसे करें
आर में मल्टीपल लीनियर रिग्रेशन कैसे करें
आर में बहुपद प्रतिगमन कैसे करें
आर में पूर्वानुमान अंतराल कैसे बनाएं