R语言print函数问题，求解答

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

代码如下：

1. #模型训练代码
   
2. rm(list=ls(all=TRUE))#首先删除工作空间中所有对象
   
3. train_data=read.csv("train2.csv",header=TRUE)
   
4. test_data=read.csv("test111.csv",header=TRUE)#分别导入训练和测试数据
   
5. 
   
6. glm.fit=glm(IS_INTERNET_TV~NET_MONTHS+AGE+GENDER+IS_SCHOOLUSER+STABLE_SCORE,data=train_data,family=binomial(link="logit"))
   
7. #用训练数据生成模型， glm(formula,family=family(link=function),data=),formula是准则的意思，family是概率分布的意思，binomial分布族
   
8. #link="logit"连接logit函数
   
9. summary(glm.fit)
   
10. n=nrow(train_data)#训练数据的行数，也就是样本数量
    
11. 
    
12. R2<-1-exp((glm.fit$deviance-glm.fit$null.deviance)/n)#计算Cox-Snell拟合优度
    
13. cat("Cox-Snell R2=",R2,"\n") #cat的用法：cat(……,file="myfile",append=false),示例：firstname<-c("Jane")  +cat("hello",firstname,"\n)
    
14. cat("Nagelkerke R2=",R2,"\n")
    
15. 
    
16. R2<-R2/(1-exp((-glm.fit$null.deviance)/n))#计算Nagelkerke拟合优度，我们在最后输出这个拟合优度值(拟合率)
    
17. 
    
18. p<-predict.glm(glm.fit,test_data)#用模型对测试数据进行预测
    
19. p<-exp(p)/(1+exp(p))#计算因变量的值
    
20. 
    
21. predict_table<-transform(test_data,predict=ifelse(p<=0.5,0,1))#可以自己设定阈值，如P值大于0.6
    
22. write.table(predict_table,file = "predict_01.csv",sep=",",row.names = FALSE,quote = FALSE)#输出预测结果文件
    
23. 
    
24. #计算准确率：被分对的样本数除以所有的样本数
    
25. t_table<-table(predict_table$IS_INTERNET_TV,predict_table$predict)
    
26. sum_diag<-sum(diag(t_table))#计算对角线
    
27. sum<-sum(table(predict_table$IS_INTERNET_TV,predict_table$predict))
    
28. accuracy<-sum_diag/sum
    
29. print(accuracy)
    
30. #计算精确度
    
31. precision<-(t_table[1])/(colSums(t_table)[1])
    
32. print(precision)
    
33. #计算召回率
    
34. recall<-(t_table[1])/(rowSums(t_table)[1])
    
35. print(recall)
    
36. data.rezult<-c(accuracy,precision,recall)
    
37. print(data.rezult)

复制代码

结果如下：

1. > #模型训练代码
   
2. > rm(list=ls(all=TRUE))#首先删除工作空间中所有对象
   
3. > train_data=read.csv("train2.csv",header=TRUE)
   
4. > test_data=read.csv("test111.csv",header=TRUE)#分别导入训练和测试数据
   
5. >
   
6. > glm.fit=glm(IS_INTERNET_TV~NET_MONTHS+AGE+GENDER+IS_SCHOOLUSER+STABLE_SCORE,data=train_data,family=binomial(link="logit"))
   
7. > #用训练数据生成模型， glm(formula,family=family(link=function),data=),formula是准则的意思，family是概率分布的意思，binomial分布族
   
8. > #link="logit"连接logit函数
   
9. > summary(glm.fit)
   
10. 
    
11. Call:
    
12. glm(formula = IS_INTERNET_TV ~ NET_MONTHS + AGE + GENDER + IS_SCHOOLUSER +
    
13.     STABLE_SCORE, family = binomial(link = "logit"), data = train_data)
    
14. 
    
15. Deviance Residuals:
    
16.     Min       1Q   Median       3Q      Max  
    
17. -3.0499  -0.7299   0.3088   0.6863   2.9859  
    
18. 
    
19. Coefficients:
    
20.                 Estimate Std. Error z value Pr(>|z|)   
    
21. (Intercept)   -1.392e+00  6.322e-02 -22.013   <2e-16 ***
    
22. NET_MONTHS     6.098e-03  4.048e-04  15.064   <2e-16 ***
    
23. AGE           -1.251e-02  1.518e-03  -8.239   <2e-16 ***
    
24. GENDER        -1.617e-04  1.524e-05 -10.606   <2e-16 ***
    
25. IS_SCHOOLUSER -3.075e-02  9.863e-02  -0.312    0.755   
    
26. STABLE_SCORE   1.564e-01  2.394e-03  65.338   <2e-16 ***
    
27. ---
    
28. Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
    
29. 
    
30. (Dispersion parameter for binomial family taken to be 1)
    
31. 
    
32.     Null deviance: 26964  on 20548  degrees of freedom
    
33. Residual deviance: 18352  on 20543  degrees of freedom
    
34.   (1951 observations deleted due to missingness)
    
35. AIC: 18364
    
36. 
    
37. Number of Fisher Scoring iterations: 5
    
38. 
    
39. > n=nrow(train_data)#训练数据的行数，也就是样本数量
    
40. >
    
41. > R2<-1-exp((glm.fit$deviance-glm.fit$null.deviance)/n)#计算Cox-Snell拟合优度
    
42. > cat("Cox-Snell R2=",R2,"\n") #cat的用法：cat(……,file="myfile",append=false),示例：firstname<-c("Jane")  +cat("hello",firstname,"\n)
    
43. Cox-Snell R2= 0.3180192
    
44. > cat("Nagelkerke R2=",R2,"\n")
    
45. Nagelkerke R2= 0.3180192
    
46. >
    
47. > R2<-R2/(1-exp((-glm.fit$null.deviance)/n))#计算Nagelkerke拟合优度，我们在最后输出这个拟合优度值(拟合率)
    
48. >
    
49. > p<-predict.glm(glm.fit,test_data)#用模型对测试数据进行预测
    
50. > p<-exp(p)/(1+exp(p))#计算因变量的值
    
51. >
    
52. > predict_table<-transform(test_data,predict=ifelse(p<=0.5,0,1))#可以自己设定阈值，如P值大于0.6
    
53. > write.table(predict_table,file = "predict_01.csv",sep=",",row.names = FALSE,quote = FALSE)#输出预测结果文件
    
54. >
    
55. > #计算准确率：被分对的样本数除以所有的样本数
    
56. > t_table<-table(predict_table$IS_INTERNET_TV,predict_table$predict)
    
57. > sum_diag<-sum(diag(t_table))#计算对角线
    
58. > sum<-sum(table(predict_table$IS_INTERNET_TV,predict_table$predict))
    
59. > accuracy<-sum_diag/sum
    
60. > print(accuracy)
    
61. [1] 0.7257071
    
62. > #计算精确度
    
63. > precision<-(t_table[1])/(colSums(t_table)[1])
    
64. > print(precision)
    
65.         0
    
66. 0.9153751
    
67. > #计算召回率
    
68. > recall<-(t_table[1])/(rowSums(t_table)[1])
    
69. > print(recall)
    
70.         0
    
71. 0.6680012
    
72. > data.rezult<-c(accuracy,precision,recall)
    
73. > print(data.rezult)
    
74.                      0                  0
    
75. 0.7257071 0.9153751 0.6680012

复制代码

请教诸位大神，为什么print（precision）和print（recall）为什么变成数组了？怎么能把那个0去掉？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：print R语言 int 求解答 Nagelkerke R语言 print函数

建议你把数据传上来，或者展示下数据形式吧？

只是名字

le.chat 发表于 2016-4-7 17:52
建议你把数据传上来，或者展示下数据形式吧？

已经解决了，汗，出来的是数据框的列名，多谢啦

万人往LVR 发表于 2016-4-7 17:56
只是名字

果然是大神，如果需要不显示列名，只显示数据元素，应该怎么弄？

as.numeric(data.rezult)

万人往LVR 发表于 2016-4-8 11:15
as.numeric(data.rezult)

谢谢大神！！！感谢！