R : lm() / glm()

 현재 학교에서 머신러닝 과목을 수강중인데, 이 때 사용하고 있는 언어가 R이다.

한 때는 (군대가기전) R을 열심히 했던 시기가 있었는데, 군대를 다녀오니 R의 기초문법도 머리 속에 남지 않은 상태가 되어버렸다. 전역 후 한동안 파이썬을 주로 사용했기 때문인지, 자꾸 머릿속에서 R과 파이썬의 개념이 혼동되어 이 과목을 공부할 때마다 머리가 어지럽다..

 이 과목을 공부할 때마다 느끼는 건, R이 꽤나 직관적인 머신러닝 함수들을 제공한다는 것이다. (사실 파이썬도 잘 모르긴 하는데, 내가 본 몇개의 statsmodels 모델링 함수들보다는 훨씬 직관적이라고 느꼈다.) 이를 제대로 활용해보고, 또 기억에 남기고자 R 머신러닝 함수 syntax에 대한 포스팅을 하고자 한다.

 

 

 

1. 선형회귀적합

library(ISLR2)
lm.fit <- lm(mpg~ disp + cyl, subset = train, data = Auto)
# response variable : mpg, predictors : disp + cyl
# subset: Auto 데이터에서 train의 index를 가지고 있는 부분집합에 대해서만 학습
# Auto 데이터 : (R에서 제공)
summary(lm.fit)

뜬금없이 subset인자는 왜 있는 건지 궁금할 수 있는데, 이는 다양한 형식으로 교차검증 (validation)할 때 매우 유용하게 사용되는 인자이다. 이를테면, training set인덱스를 미리 정해둔 다음 , subset에 그 인덱스 리스트를 전달하면, training data에 대해서만 학습하도록 할 수 있다.

 

변수 선택에 대하여 추가적 스킬들을 보이겠다. (사실 내가 과제하면서 막혔던 것들)

lm.fit <- lm(mpg~ disp + cylinders + disp:cylinders, data = Auto)
# disp:cylinders : 두 변수간의 interacton 항
lm.fit <- lm(mpg~., data = Auto)
#온점(.)은 mpg를 제외한 모든 변수에 관해 회귀적합시키라는 의미이다.
lm.fit <- lm(mpg~disp +I(disp^2), data = Auto)
#만약 변수의 제곱을 하나의 predictor로 사용하게 되면 I(x^p)의 형태로 표현할 수 있다.

 

2. 일반화선형모형 : generalized linear model -> glm()

기본적으로 lm과 문법이 동일하다.

다만 주의할 것은...

glm.fit <- glm(bin ~ x+y, data = data)
# x와 y로 bin 변수를 추측.
# 이때의 모델은 선형회귀모형이다. (lm과 동일)
glm.fit <- glm(bin ~ x+y, data = data, family = binomial)
# family = binomial을 통해 반응변수가 이항변수라는(0,1 둘중하나) 정보가 주어지면,
# glm함수는 Logistic Regression을 실시한다. (이항변수가 binomial일때 가장 범용적)