标签：16 freedom Age GAM 2e lt degrees 广义 模型
本文通过R语言建立广义线性模型(GLM)、多项式回归和广义可加模型（GAM）来预测谁在1912年的泰坦尼克号沉没中幸存下来。
str(titanic)数据变量为：
Survived：乘客存活指标（如果存活则为1）Pclass：旅客舱位等级Sex：乘客性别Age：乘客年龄SibSp：兄弟姐妹/配偶人数Parch：父母/子女人数Embarked： 登船港口Name：旅客姓名
最后一个变量使用不多，因此我们将其删除，
titanic = titanic[,1:7]现在，我们回答问题：
幸存的旅客比例是多少？
简单的答案是
mean(titanic$Survived)
[1] 0.3838384可以在下面的列联表中找到
table(titanic$Survived)/nrow(titanic)
0 1
0.6161616 0.3838384或此处幸存者的38.38 ％。也就是说，也可以通过不对任何解释变量进行逻辑回归来获得（换句话说，仅对常数进行回归）。回归给出了：
Coefficients:
(Intercept)
-0.4733
Degrees of Freedom: 890 Total (i.e. Null); 890 Residual
Null Deviance: 1187
Residual Deviance: 1187 AIC: 1189给出β0的值，并且由于生存概率为
我们通过考虑
exp(-0.4733)/(1+exp(-0.4733))
[1] 0.3838355我们也可以使用predict函数
predict(glm(Survived~1, family=binomial,type="response")[1]
1
0.3838384此外，在概率回归中也适用，
reg=glm(Survived~1, family=binomial(link="probit"),data=titanic)
predict(reg,type="response")[1]
1
0.3838384幸存的头等舱乘客的比例是多少？
我们只看头等舱的人，
[1] 0.6296296约63％存活。我们可以进行逻辑回归
Coefficients:
(Intercept) Pclass2 Pclass3
0.5306 -0.6394 -1.6704
Degrees of Freedom: 890 Total (i.e. Null); 888 Residual
Null Deviance: 1187
Residual Deviance: 1083 AIC: 1089由于第1类是参考类，因此我们照旧考虑
exp(0.5306)/(1+exp(0.5306))
[1] 0.629623predict预测：
predict(reg,newdata=data.frame(Pclass="1"),type="response")
1
0.6296296我们可以尝试概率回归，我们得到的结果是一样的，
predict(reg,newdata=data.frame(Pclass="1"),type="response")
1
0.6296296卡方独立性测试 ：在生存与否之间的检验统计量是多少？
卡方检验的命令如下
chisq.test(table( Survived, Pclass))
Pearson's Chi-squared test
data: table( Survived, Pclass)
X-squared = 102.89, df = 2, p-value < 2.2e-16我们有一个列联表，如果变量是独立的，我们有
，然后是统计量
，我们可以看到，对测试的贡献
1 2 3
0 -4.601993 -1.537771 3.993703
1 5.830678 1.948340 -5.059981这给了我们很多信息：我们观察到两个正值，分别对应于“幸存”和“头等舱”与“无法幸存”和“三等舱”之间的强（正）关联，以及两个很强的负值，对应于“生存”和“第三等”之间的强烈负相关，以及“无法幸存”和“头等舱”。我们可以在下图上可视化这些值
ass(table( Survived, Pclass), shade = TRUE, las=3)
然后我们必须进行逻辑回归，并预测两名模拟乘客的生存概率
假设我们有两名乘客
newbase = data.frame(
Pclass = as.factor(c(1,3)),
Sex = as.factor(c("female","male")),
Age = c(17,20),
SibSp = c(1,0),
Parch = c(2,0),让我们对所有变量进行简单回归，
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 16.830381 607.655774 0.028 0.97790
Pclass2 -1.268362 0.298428 -4.250 2.14e-05 ***
Pclass3 -2.493756 0.296219 -8.419 < 2e-16 ***
Sexmale -2.641145 0.222801 -11.854 < 2e-16 ***
Age -0.043725 0.008294 -5.272 1.35e-07 ***
SibSp -0.355755 0.128529 -2.768 0.00564 **
Parch -0.044628 0.120705 -0.370 0.71159
EmbarkedC -12.260112 607.655693 -0.020 0.98390
EmbarkedQ -13.104581 607.655894 -0.022 0.98279
EmbarkedS -12.687791 607.655674 -0.021 0.98334
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 964.52 on 713 degrees of freedom
Residual deviance: 632.67 on 704 degrees of freedom
(177 observations deleted due to missingness)
AIC: 652.67
Number of Fisher Scoring iterations: 13两个变量并不重要。我们删除它们
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 4.334201 0.450700 9.617 < 2e-16 ***
Pclass2 -1.414360 0.284727 -4.967 6.78e-07 ***
Pclass3 -2.652618 0.285832 -9.280 < 2e-16 ***
Sexmale -2.627679 0.214771 -12.235 < 2e-16 ***
Age -0.044760 0.008225 -5.442 5.27e-08 ***
SibSp -0.380190 0.121516 -3.129 0.00176 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 964.52 on 713 degrees of freedom
Residual deviance: 636.56 on 708 degrees of freedom
(177 observations deleted due to missingness)
AIC: 648.56
Number of Fisher Scoring iterations: 5我们有年龄这样的连续变量时，我们可以进行多项式回归
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 3.0213 0.2903 10.408 < 2e-16 ***
Pclass2 -1.3603 0.2842 -4.786 1.70e-06 ***
Pclass3 -2.5569 0.2853 -8.962 < 2e-16 ***
Sexmale -2.6582 0.2176 -12.216 < 2e-16 ***
poly(Age, 3)1 -17.7668 3.2583 -5.453 4.96e-08 ***
poly(Age, 3)2 6.0044 3.0021 2.000 0.045491 *
poly(Age, 3)3 -5.9181 3.0992 -1.910 0.056188 .
SibSp -0.5041 0.1317 -3.828 0.000129 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 964.52 on 713 degrees of freedom
Residual deviance: 627.55 on 706 degrees of freedom
AIC: 643.55
Number of Fisher Scoring iterations: 5但是解释参数变得很复杂。我们注意到三阶项在这里很重要，因此我们将手动进行回归
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 5.616e+00 6.565e-01 8.554 < 2e-16 ***
Pclass2 -1.360e+00 2.842e-01 -4.786 1.7e-06 ***
Pclass3 -2.557e+00 2.853e-01 -8.962 < 2e-16 ***
Sexmale -2.658e+00 2.176e-01 -12.216 < 2e-16 ***
Age -1.905e-01 5.528e-02 -3.446 0.000569 ***
I(Age^2) 4.290e-03 1.854e-03 2.314 0.020669 *
I(Age^3) -3.520e-05 1.843e-05 -1.910 0.056188 .
SibSp -5.041e-01 1.317e-01 -3.828 0.000129 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 964.52 on 713 degrees of freedom
Residual deviance: 627.55 on 706 degrees of freedom
AIC: 643.55
Number of Fisher Scoring iterations: 5可以看到，p值是相同的。简而言之，将年龄转换为年龄的非线性函数是有意义的。可以可视化此函数
plot(xage,yage,xlab="Age",ylab="",type="l")
实际上，我们可以使用样条曲线。广义可加模型（ gam ）是完美的可视化工具
(Dispersion Parameter for binomial family taken to be 1)
Null Deviance: 964.516 on 713 degrees of freedom
Residual Deviance: 627.5525 on 706 degrees of freedom
AIC: 643.5525
177 observations deleted due to missingness
Number of Local Scoring Iterations: 4
Anova for Parametric Effects
Df Sum Sq Mean Sq F value Pr(>F)
Pclass 2 26.72 13.361 11.3500 1.407e-05 ***
Sex 1 131.57 131.573 111.7678 < 2.2e-16 ***
bs(Age) 3 22.76 7.588 6.4455 0.0002620 ***
SibSp 1 14.66 14.659 12.4525 0.0004445 ***
Residuals 706 831.10 1.177
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1我们可以看到年龄变量的变换，
并且我们发现变换接近于我们的3阶多项式。我们可以添加置信带，从而可以验证该函数不是真正的线性
我们现在有三个模型。最后给出了两个模拟乘客的预测，
predict(reg,newdata=newbase,type="response")
1 2
0.9605736 0.1368988
predict(reg3,newdata=newbase,type="response")
1 2
0.9497834 0.1218426
predict(regam,newdata=newbase,type="response")
1 2
0.9497834 0.1218426可以看到莱昂纳多·迪卡普里奥（ Leonardo DiCaprio） 有大约12％的幸存机会（考虑到他的年龄，他有三等票，而且船上没有家人）。
标签：16,freedom,Age,GAM,2e,lt,degrees,广义,模型 来源： https://blog.csdn.net/qq_19600291/article/details/105468472
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。