R语言线性模型glm()logistic回归模型

R语言广义线性模型glm()函数
glm(formula, family=family.generator, data,control = list(…))
formula数据关系，如y~x1 x2 x3
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：
http://www.cda.cn/uploadfile/image/20180611/20180611070222_20110.png
binomal(link=’logit’) —-响应变量服从二项分布，连接函数为logit，即logistic回归

binomal(link=’probit’) —-响应变量服从二项分布，连接函数为probit

poisson(link=’identity’) —-响应变量服从泊松分布，即泊松回归

control:控制算法误差和最大迭代次数

glm.control(epsilon = 1e-8, maxit = 25, trace = FALSE)

 -----maxit:算法最大迭代次数，改变最大迭代次数：control=list(maxit=100)
源自
实战：
source("setwd.r")
##下面read.csv会出错，因为表头中文乱码，删掉表头，重新定义
Data=read.csv("bankloan.csv")[2:701,]
##查看前几行tail是后几行
head(Data)
colnames(Data)<-c("x1","x2","x3","x4","x5","x6","x7","x8","y")
tail(Data)
#logistic回归模型
glm<-glm(y~x1 x2 x3 x4 x5 x6 x7 x8,family = binomial(link = "logit"),data = Data)
glm
summary(glm)
###逐步寻优法 forward前向选择法backward后向选择法
logit.step<-step(glm,direction = c("both"))
summary(logit.step)