R语言构建GLM模型

R语言中可以使用glm()函数来构建广义线性模型(GLM)。该函数的语法如下：

glm(formula, family, data, ...)

其中，formula是一个公式对象，用于指定响应变量和预测变量；family是一个描述响应变量分布的对象，可以是binomial、poisson、gaussian等；data是一个数据框，包含了响应变量和预测变量的值；...是其他可选参数，例如权重、起始值等。

下面是一个使用glm()函数构建二项分布GLM模型的例子：

# 导入数据
data <- read.csv("data.csv")

# 构建模型
model <- glm(y ~ x1 + x2, family = binomial, data = data)

# 查看模型摘要
summary(model)

# 预测新数据
new_data <- data.frame(x1 = c(1, 2, 3), x2 = c(4, 5, 6))
predict(model, new_data, type = "response")

在这个例子中，我们使用glm()函数构建了一个二项分布GLM模型，其中y是响应变量，x1和x2是预测变量。我们还使用summary()函数查看了模型的摘要信息，并使用predict()函数对新数据进行了预测。