-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathlogistic regression on train data
142 lines (138 loc) · 5.71 KB
/
logistic regression on train data
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
# linear regression model on train
#remove v55 and v60 from the model to remove rank defiency because they have many missing values
fit2<-lm(V281~., data = textual_features)
summary(fit2)
sum(residuals(fit2)^2)
#logistic regression on train
#remove v55 and v60 from the model to remove rank defiency because they have many missing values
fit2_log<-glm(V282~., data = textual_features_log)
#testing the linear model on test data
pred_2__21<-predict(fit2,test_csv1)
pred_2__23<-predict(fit2,test_csv2)
pred_2_4<-predict(fit2,test_csv3)
pred_2_5<-predict(fit2,test_csv4)
pred_2_6<-predict(fit2,test_csv5)
pred_2_7<-predict(fit2,test_csv6)
pred_2_8<-predict(fit2,test_csv7)
pred_2_9<-predict(fit2,test_csv8)
pred_2_10<-predict(fit2,test_csv9)
pred_2_11<-predict(fit2,test_csv10)
pred_2_12<-predict(fit2,test_csv12)
pred_2_13<-predict(fit2,test_csv13)
pred_2_14<-predict(fit2,test_csv14)
pred_2_15<-predict(fit2,test_csv15)
pred_2_16<-predict(fit2,test_csv16)
pred_2_17<-predict(fit2,test_csv17)
pred_2_18<-predict(fit2,test_csv18)
pred_2_19<-predict(fit2,test_csv19)
pred_2_20<-predict(fit2,test_csv20)
pred_2_21<-predict(fit2,test_csv21)
pred_2_22<-predict(fit2,test_csv22)
pred_2_23<-predict(fit2,test_csv23)
pred_2_24<-predict(fit2,test_csv24)
pred_2_25<-predict(fit2,test_csv25)
pred_2_26<-predict(fit2,test_csv26)
pred_2_27<-predict(fit2,test_csv27)
pred_2_28<-predict(fit2,test_csv28)
pred_2_29<-predict(fit2,test_csv29)
pred_2_30<-predict(fit2,test_csv30)
pred_2_31<-predict(fit2,test_csv31)
pred_2_32<-predict(fit2,test_csv32)
pred_2_33<-predict(fit2,test_csv33)
pred_2_34<-predict(fit2,test_csv34)
pred_2_35<-predict(fit2,test_csv35)
pred_2_36<-predict(fit2,test_csv36)
pred_2_37<-predict(fit2,test_csv37)
pred_2_38<-predict(fit2,test_csv38)
pred_2_39<-predict(fit2,test_csv39)
pred_2_40<-predict(fit2,test_csv40)
pred_2_41<-predict(fit2,test_csv41)
pred_2_42<-predict(fit2,test_csv42)
pred_2_43<-predict(fit2,test_csv43)
pred_2_44<-predict(fit2,test_csv44)
pred_2_45<-predict(fit2,test_csv45)
pred_2_46<-predict(fit2,test_csv46)
pred_2_47<-predict(fit2,test_csv47)
pred_2_48<-predict(fit2,test_csv48)
pred_2_49<-predict(fit2,test_csv49)
pred_2_50<-predict(fit2,test_csv50)
pred_2_51<-predict(fit2,test_csv51)
pred_2_52<-predict(fit2,test_csv52)
pred_2_53<-predict(fit2,test_csv53)
pred_2_54<-predict(fit2,test_csv54)
pred_2_55<-predict(fit2,test_csv55)
pred_2_56<-predict(fit2,test_csv56)
pred_2_57<-predict(fit2,test_csv57)
pred_2_58<-predict(fit2,test_csv58)
pred_2_59<-predict(fit2,test_csv59)
pred_2_60<-predict(fit2,test_csv60)
#calculate all the rss2_ values
rss2_1<-sum((pred1-test_csv1$V281)^2)
rss2_2<-sum((pred2-test_csv2$V281)^2)
rss2_3<-sum((pred3-test_csv3$V281)^2)
rss2_4<-sum((pred4-test_csv4$V281)^2)
rss2_5<-sum((pred5-test_csv5$V281)^2)
rss2_6<-sum((pred6-test_csv6$V281)^2)
rss2_7<-sum((pred7-test_csv7$V281)^2)
rss2_8<-sum((pred8-test_csv8$V281)^2)
rss2_9<-sum((pred9-test_csv9$V281)^2)
rss2_10<-sum((pred10-test_csv10$V281)^2)
rss2_11<-sum((pred11-test_csv11$V281)^2)
rss2_12<-sum((pred12-test_csv12$V281)^2)
rss2_13<-sum((pred13-test_csv13$V281)^2)
rss2_14<-sum((pred14-test_csv14$V281)^2)
rss2_15<-sum((pred15-test_csv15$V281)^2)
rss2_16<-sum((pred16-test_csv16$V281)^2)
rss2_17<-sum((pred17-test_csv17$V281)^2)
rss2_18<-sum((pred18-test_csv18$V281)^2)
rss2_19<-sum((pred19-test_csv19$V281)^2)
rss2_20<-sum((pred20-test_csv20$V281)^2)
rss2_21<-sum((pred21-test_csv21$V281)^2)
rss2_22<-sum((pred22-test_csv22$V281)^2)
rss2_23<-sum((pred23-test_csv23$V281)^2)
rss2_24<-sum((pred24-test_csv24$V281)^2)
rss2_25<-sum((pred25-test_csv25$V281)^2)
rss2_26<-sum((pred26-test_csv26$V281)^2)
rss2_27<-sum((pred27-test_csv27$V281)^2)
rss2_28<-sum((pred28-test_csv28$V281)^2)
rss2_29<-sum((pred29-test_csv29$V281)^2)
rss2_30<-sum((pred30-test_csv30$V281)^2)
rss2_31<-sum((pred31-test_csv31$V281)^2)
rss2_32<-sum((pred32-test_csv32$V281)^2)
rss2_33<-sum((pred33-test_csv33$V281)^2)
rss2_34<-sum((pred34-test_csv34$V281)^2)
rss2_35<-sum((pred35-test_csv35$V281)^2)
rss2_36<-sum((pred36-test_csv36$V281)^2)
rss2_37<-sum((pred37-test_csv37$V281)^2)
rss2_38<-sum((pred38-test_csv38$V281)^2)
rss2_39<-sum((pred39-test_csv39$V281)^2)
rss2_40<-sum((pred40-test_csv40$V281)^2)
rss2_41<-sum((pred41-test_csv41$V281)^2)
rss2_42<-sum((pred42-test_csv42$V281)^2)
rss2_43<-sum((pred43-test_csv43$V281)^2)
rss2_44<-sum((pred44-test_csv44$V281)^2)
rss2_45<-sum((pred45-test_csv45$V281)^2)
rss2_46<-sum((pred46-test_csv46$V281)^2)
rss2_47<-sum((pred47-test_csv47$V281)^2)
rss2_48<-sum((pred48-test_csv48$V281)^2)
rss2_49<-sum((pred49-test_csv49$V281)^2)
rss2_50<-sum((pred50-test_csv50$V281)^2)
rss2_51<-sum((pred51-test_csv51$V281)^2)
rss2_52<-sum((pred52-test_csv52$V281)^2)
rss2_53<-sum((pred53-test_csv53$V281)^2)
rss2_54<-sum((pred54-test_csv54$V281)^2)
rss2_55<-sum((pred55-test_csv55$V281)^2)
rss2_56<-sum((pred56-test_csv56$V281)^2)
rss2_57<-sum((pred57-test_csv57$V281)^2)
rss2_58<-sum((pred58-test_csv58$V281)^2)
rss2_59<-sum((pred59-test_csv59$V281)^2)
rss2_60<-sum((pred60-test_csv60$V281)^2)
rss_2<-c(rss2_1,rss2_2,rss2_3,rss2_4,rss2_5,rss2_6,rss2_7,rss2_8,rss2_9,rss2_10,rss2_11,rss2_12,rss2_13,rss2_14,rss2_15,rss2_16
,rss2_17,rss2_18,rss2_19,rss2_20,rss2_21,rss2_22,rss2_23,rss2_24,rss2_25,rss2_26,rss2_27,rss2_28,rss2_29,rss2_30,rss2_31,rss2_32,rss2_33,rss2_34,rss2_35,rss2_36,rss2_37,rss2_38
,rss2_39,rss2_40,rss2_41,rss2_42,rss2_43,rss2_44,rss2_45,rss2_46,rss2_47,rss2_48,rss2_49,rss2_50,rss2_51,rss2_52,rss2_53,rss2_54,rss2_55,rss2_56,rss2_57,rss2_58,rss2_59,rss2_60)
summary(rss_2)
#testing logistic model
pred2_log<-predict(fit2_log,test_csv1)
confusion_matrix<-ftable(test_csv1$V281,pred2_log)
accuracy<-sum(diag(confusion_matrix))/nrow(test_csv1)*100
accuracy