
13.7 預測二元變數(羅吉斯迴歸)
|
387
> plot(x ˜ factor(means), main="Original Clusters", xlab="Cluster Mean")
> plot(x ˜ factor(clust), main="Identified Clusters", xlab="Cluster Number")
如圖 13-3 所示的盒鬚圖。集群演算法完美地將資料分割為不重疊的組。原來的集群相互
重疊,而新界定的集群則不會相互重疊。
圖 13-3 集群比較圖
上列圖形使用一維資料,但是
dist
函數同樣適用於處理儲存在資料框架或矩陣的多維資
料。資料框架或矩陣中的每一列資料被視為多維空間中的一個觀測值,而
dist
函數計算
這些觀測值之間的距離。
延伸資訊
此範例是基於 R 軟體集群功能的基礎套件;尚有其他套件(如:
mclust
套件)能提供替
代的集群機制。
13.7 預測二元變數(羅吉斯迴歸)
問題點
您想要執行
羅吉斯迴歸
(
logistic regression
),即用來預測二元選擇事件發生機率的迴歸
模型。