← 返回刚才阅读的位置

知识卡片

操作参考卡 · 9631.p · 生成模型:DeepSeek-V4.1-Flash

心脏病数据的建模流程

理解等级:中级

数据:glmpath 包自带的 heart.data,462 名南非人的体检指标,研究哪些因素影响是否患冠心病。y 为二分类(0 有 302 人、1 有 160 人),自变量 9 个:sbp 血压、tobacco 累计烟草量、ldl 低密度脂蛋白、adiposity 肥胖度、famhist 家族史、typea 型表现、obesity 过度肥胖、alcohol 当前饮酒、age 年龄。

代码要点:table(data$y) 看类别比例;pairs(data) 看相关结构(adiposity 与 obesity 高度线性相关,提示共线);xtabs(~y+famhist) 加 chisq.test 检验定性变量(χ²=33.12,p≈8.65e−09,显著);boxplot(变量~y) 比较连续变量分布(sbp、tobacco、ldl、adiposity、age 区分明显)。

建模:set.seed(9) 后 sample 抽 80% 作训练集,glm(y~., family=binomial) 建全模型,再用 step 分别按 AIC 与 BIC(k=log n) 做逐步回归。结果:三种模型系数差异不明显,说明数据支持的变量集合较稳定。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第3章 线性分类方法 · 查看原书依据

      首先随机抽取80%的样本作为训练集,剩下20%的样本作为测试集,用所有变量建立二元Logistic回归模型。然后用AIC和BIC(详见第4章)对模型做逐步回归。

    参考来源

    - 位置:《大数据挖掘与统计机器学习》第3章 线性分类方法(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter5_0004.xhtml,3.4.1 心脏病数据) - 结论依据:原文给出数据来源、样本量、变量清单与因变量分布,并逐段给出描述统计、卡方检验、箱线图以及 8:2 划分、glm 建模、AIC/BIC 逐步回归的代码与结论。 - 原始内容:首先随机抽取80%的样本作为训练集,剩下20%的样本作为测试集,用所有变量建立二元Logistic回归模型。然后用AIC和BIC(详见第4章)对模型做逐步回归。