R语言实现Logistic回归的五折交叉验证

最近做作业的时候需要做Logistic回归的交叉验证，这里记录一下

首先对数据集进行拆分，这里用到caret包里的函数
拆分数据
然后对其进行交叉验证+logistic回归
交叉验证

 library(plyr)
library(caret)
folds <- createFolds(y=bank_logit$y.yes,k=5)
length(folds)
 print("***组号***")
 train_cv <- bank_logit[-folds[[i]],]
 test_cv <- bank_logit[folds[[i]],]
 #summary(test_cv)
 #生成logis模型，用glm函数
 #用训练集数据生成logis模型，用glm函数
 #family：每一种响应分布（指数分布族）允许各种关联函数将均值和线性预测器关联起来。常用的family：binomal(link='logit')--响应变量服从二项分布，连接函数为logit，即logistic回归
 pre <- glm(y.yes ~.,family=binomial(link = "logit"),data = train_cv)
 #summary(pre)
 #测试集的真实值
 real <- test_cv$y.yes
 #predict函数可以获得模型的预测值。这里预测所需的模型对象为pre，预测对象newdata为测试集,预测所需类型type选择response,对响应变量的区间进行调整
 predict.pre <- predict(pre,type='response',newdata=test_cv)
 #按照预测值为1的概率，>0.5的返回1，其余返回0
 predict =ifelse(predict.pre>0.5,1,0)
 #数据中加入预测值一列