有序逻辑回归r语言的代码

以下是使用R语言进行有序逻辑回归的代码示例：

# 加载所需的库
library(MASS) # 用于进行有序逻辑回归
library(ggplot2) # 用于可视化

# 导入数据
data <- read.csv("data.csv")
str(data)

# 将目标变量转换为有序因子
data$target <- factor(data$target, ordered = TRUE)

# 拆分数据集
set.seed(123)
train_index <- sample(1:nrow(data), 0.7*nrow(data))
train_data <- data[train_index,]
test_data <- data[-train_index,]

# 建立模型
model <- polr(target ~ ., data=train_data)

# 在测试集上进行预测
predictions <- predict(model, newdata=test_data, type="class")

# 输出混淆矩阵并计算准确率
table(predictions, test_data$target)
accuracy <- sum(predictions == test_data$target) / nrow(test_data)
cat("Accuracy:", accuracy, "\n")

# 可视化结果
ggplot(data, aes(x=feature1, y=feature2, color=target)) + 
  geom_point() + 
  geom_abline(intercept=-model$zeta[1]/model$zeta[2], slope=-model$coef[["feature1"]]/model$zeta[2], linetype="dashed") +
  scale_color_manual(values=c("red", "green", "blue")) +
  theme_minimal()

其中，`data.csv`是原始数据集文件名，`target`是目标变量名，`feature1`和`feature2`是特征变量名。在这个示例中，我们使用了`MASS`库中的`polr()`函数来建立有序逻辑回归模型，并使用`ggplot2`库可视化模型的决策边界。