빅데이터9일차 - 로지스틱 회귀분석

728x90

로지스틱 회귀분석의 개념

로지스틱 회귀(logistic regression)란 회귀모델에서 종속변수의 값의 형태가 연속형 숫자가 아닌 범주형 값인 경우를 다루기 위해서 만들어진 통계적 방법이다.
ex) irsis 데이터셋에서 4개의 측정값을 가지고 품종을 예측. 품종이 범주형 값
R에서 로지스틱 회귀 모델은 glm()함수 이용한다.

로지스틱 회귀모델 만들기

로지스틱 회귀도 기본적으로 회귀 기법이기 떄문에 종속변수가 숫자로 표현되어야 한다.
예를 들어서 YES와 NO는 0과1로, setosa, versicolor, virginica는 1,2,3과 같이 숫자로 바꾼 후에 로지스틱 회귀를 적용해야 한다.

# 로지스틱 회귀모델 만들기
iris.new <- iris
iris.new$Species <- as.integer(iris.new$Species) # 범주형 자료를 정수로 출력하기.
head(iris.new)
mod.iris <- glm(Species~.,data = iris.new) # 로지스틱 회귀모델 도출
summary(mod.iris) # 회귀모델의 상세 내용 확인하기.

로지스틱 회귀모델을 이용한 예측

수작업으로 계산하여 품종을 예측하는 방법 대신, 구해놓은 회귀모델을 이용해 보다 편리한 방법으로 품종을 예측한다.

# 로지스틱 회귀모델을 이용한 예측
# 예측 대상 데이터 생성하기(데이터 프레임)

uk <- data.frame(rbind(c(5.1,3.5,1.4,0.2)))  # 데이터 프레임 생성
names(uk) <- names(iris)[1:4] # 열 이름넣기.
head(uk) # 데이터 열 이름 넣은거 확인

pred <- predict(mod.iris,uk) # 품종 예측
pred
round(pred,0) # 예측 결과 출력(소수점 첫째 자리에서 반올림)

# 실제 품종명 알아보기
pred <- round(pred,0)
pred
levels(iris$Species)
levels(iris$Species)[pred] # pred 반올림으로 1로 변경 = 1 setosa 출력 
levels(iris$Species)[2] # 2번째 versicolor 출력

다수의 데이터에 대한 예측

예측 대상 데이터가 여러 개인 경우에도 유사한 방법으로 예측

# 다수의 데이터에 대한 예측
test <- iris[,1:4] # 예측 대상 데이터
pred <- predict(mod.iris,test)# 모델을 이용한 예측
pred # 반올림 전 데이터
pred <- round(pred,0) # 반올림
pred # 예측 결과
answer <- as.integer(iris$Species)  # 종 - 정수형
pred == answer # 예측 품종과 실제 품종이 같은지 비교
acc <- mean(pred == answer) # 예측 정확도 계산
acc # 예측 정확도 출력