-
Notifications
You must be signed in to change notification settings - Fork 0
/
MSR_Lab_8_Zadanie.R
24 lines (18 loc) · 976 Bytes
/
MSR_Lab_8_Zadanie.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
### MSR - LAB 8
# Zadanie punktowane: Wczytaj zbiory danych Pima.tr i Pima.te z biblioteki MASS i zapoznaj się z nim.
# Dla zbioru Pima.tr wykonaj model regresji logistycznej, a następnie sprawdź jego skuteczność predykcyjną przy
# użyciu zbioru Pima.te. Niech metoda predict zwraca prawdopodobieństwo bycia chorym na cukrzyce,
# które następnie przy pomocy funkcji ifelse należy zamienić na odpowiedź binarną (chory=1, zdrowy=0).
# Jako próg prawdopodobieństwa powyżej którego uznajemy osobnika za chorego przyjąć 0.5.
# Oblicz skuteczność modelu według poniższego wzoru.
rm(list=ls())
library(MASS)
data("Pima.tr")
data("Pima.te")
pima.tr1 <- glm(type ~ ., data = Pima.tr, family=binomial(link = "logit"))
pima.kap <- predict(pima.tr1, newdata = Pima.te, type = "response")
pima.diabetic <- ifelse(pima.kap>=0.5, 1, 0)
Pima.te$type <- ifelse(Pima.te$type=="Yes", 1,0)
pima.accuracy <- 1-mean(abs(pima.diabetic-Pima.te$type))
print(pima.accuracy)
# [1] 0.8012048