Scribd
Cargar
97 vistas1 página

Script Logistic A

Este documento presenta un análisis de regresión logística para predecir el estado de crédito de clientes. Primero, se divide la base de datos en una muestra de aprendizaje y otra de prueba. Luego, se construye un modelo de regresión logística utilizando variables predictoras como ingresos y gastos. Finalmente, se evalúa el modelo mediante la matriz de confusión y el cálculo de la precisión y el error.

Cargado por

Dante Palacios Valdiviezo
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como TXT, PDF, TXT o lee en línea desde Scribd
97 vistas1 página

Script Logistic A

Este documento presenta un análisis de regresión logística para predecir el estado de crédito de clientes. Primero, se divide la base de datos en una muestra de aprendizaje y otra de prueba. Luego, se construye un modelo de regresión logística utilizando variables predictoras como ingresos y gastos. Finalmente, se evalúa el modelo mediante la matriz de confusión y el cálculo de la precisión y el error.

Cargado por

Dante Palacios Valdiviezo
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como TXT, PDF, TXT o lee en línea desde Scribd

setwd("C:/Users/LAB 1/Desktop/logistica")

data<-read.csv("credito.csv",dec=".",sep=";",header=TRUE)
head(data)
dim(data)
##vamos a generar una tabala de testig de tama�o 50 y una tabala de aprendzaje de
100
muestra<-sample(1:1000,300)
ttesting<-data[muestra,]
taprendizaje<-data[-muestra,]
head(taprendizaje)
### modelos logistico
str(data)
data<-data[,-c(3,5)]
data$estado<-as.factor(data$estado)
m1=glm(estado~.,family=binomial,data=data)
m1
summary(m1)
prop.table(table(data$estado))
## calculando lo oddss
exp(m1$coef[2])
exp(m1$coef[3])
### ttesting sin la columna
prediccion<-predict(m1,newdata=data.frame(ttesting),type="response")
prediccion
#### ttesting[,1] el verdadero valor de la tabla de testing los compara con
preddcion
### hacer la matriz de confusion
mc<-table(ttesting,prediccion)
mc
## porcentaje de buerna clasificacion
acierto<-(sum(diag(mc)))/sum(mc)
acierto
## calculo del error
error<-1-acierto
error

También podría gustarte