逻辑回归

介绍：逻辑回归是一种广义线性模型，主要用于解决二分类问题。当因变量为生存与死亡。是否发病等二分类的类别变量时，一般的线性回归方程是不合适的。逻辑回归是将因变量等于1的概率作logit变换后，再与自变量建立线性回归方程。
假设：残差独立；因变量服从伯努利分布
模型：
，其中
即
用极大似然法估计β
所用函数：
glm(formula,family,data)
formula为回归方程的公式
family为广义线性模型中的概率分布（连接函数）
逻辑回归中需设置family=binomial
与glm()连用的常用函数如下：
summary()展示拟合模型的细节
coefficients()、coef()拟合模型的参数
confint()模型参数的置信区间
residuals()拟合模型的残差值
plot()评价模型的诊断图
predict()用拟合模型进行预测
代码示例：

x1 <- rnorm(20,mean = 3,sd = 1)
x2 <- rnorm(20,mean = 5,sd = 1)
y <- rbinom(20,size=1,prob = 0.5)
data1 <- data.frame('x1'=x1,'x2'=x2,'y'=y)
#拟合逻辑回归模型
fit1<-glm(y~x1+x2-1,family = binomial,data=data1)
#查看模型细节（参数估计、拟合效果）
summary(fit1)