r语言收入逻辑回归分析报告附代码数据.docxVIP

逻辑回归对收入进行预测

1逻辑回归模型

???回归是一种极易理解的模型，就相当于y=f(x)，表明自变量x与因变量y的关系。最常见问题有如医生治病时的望、闻、问、切，之后判定病人是否生病或生了什么病，其中的望闻问切就是获取自变量x，即特征数据，判断是否生病就相当于获取因变量y，即预测分类。

???最简单的回归是线性回归，在此借用AndrewNG的讲义，有如图1.a所示，X为数据点——肿瘤的大小，Y为观测值——是否是恶性肿瘤。通过构建线性回归模型，如h?θ?(x)所示，构建线性回归模型后，即可以根据肿瘤大小，预测是否为恶性肿瘤h?θ?(x)≥.05为恶性，h?θ?(x)0.5为良性。

Zi=ln(Pi1?Pi)=β0+β1x1+..+βnxnZi=ln(Pi1?Pi)=β0+β1x1+..+βnxn

2数据描述

该数据从美国人口普查数据库抽取而来，可以用来预测居民收入是否超过50K$/year。该数据集类变量为年收入是否超过50k$，属性变量包含年龄，工种，学历，职业，人种等重要信息，值得一提的是，14个属性变量中有7个类别型变量。

3问题描述

其实对于收入预测，主要是思考收入由哪些因素推动，再对每个因素做预测，最后得出收入预测。这其实不是一个财务问题，是一个业务问题。

对于某企业新用户，会利用大数据来分析该用户的信息来确定是否为付费用户，弄清楚用户属性，提高运营人员的办事效率。

流失预测。这方面会偏向于大额付费用户，提取额特征向量运用到应用场景的用户流失和预测里面去。

我们尝试并预测个人是否可以根据数据中可用的人口统计学变量使用逻辑回归预测收入是否超过$50K的资金。?在这个过程中，我们将：

1.导入数据

2.检查类别偏差

3.创建训练和测试样本

4.建立logit模型并预测测试数据

5.模型诊断

4数据描述分析

查看部分数据

AGEWORKCLASSFNLWGTEDUCATIONEDUCATIONNUMMARITALSTATUS

139State-gov77516Bachelors13Never-married

250Self-emp-not-inc83311Bachelors13Married-civ-spouse

338Private215646HS-grad9Divorced

453Private23472111th7Married-civ-spouse

528Private338409Bachelors13Married-civ-spouse

637Private284582Masters14Married-civ-spouse

occupationRELATIONSHIPRACESEXCAPITALGAINCAPITALLOSS

1Adm-clericalNot-in-familyWhiteMale21740

2Exec-managerialHusbandWhiteMale00

3Handlers-cleanersNot-in-familyWhiteMale00

4Handlers-cleanersHusbandBlackMale00

5Prof-specialtyWifeBlackFemale00

6Exec-managerialWifeWhiteFemale00

HOURSPERWEEKNATIVECOUNTRYABOVE50K

140United-States0

213United-States0

340United-States