¿Victoria o diferencia de puntos? ¿lm o glm?
Supongamos que queremos construir un modelo para predecir quién ganará un determinado partido de baloncesto basándonos en datos diversos. Y en un histórico, por supuesto.
Podemos utilizar una regresión logística así:
set.seed(1234)
my.coefs <- -2:2
n <- 200
train.n <- floor(2*n/3)
test.error.glm <- function(){
X <- matrix(rnorm(n*5), n, 5)
Y <- (0.2 + X %*% my.coefs + rnorm(n)) > 0
train <- sample(1:n, train.n)
X <- as.data.frame(X)
X$Y <- Y
mod.glm <- glm(Y ~ ., data = X[train,],
family = binomial)
glm.pred <- predict(mod.glm, X[-train,],
type = "response")
error <- length(glm.pred) -
sum(diag(table(glm.pred > 0.5, Y[-train,])))
}
errores.glm <- replicate(1000, test.error.glm())El código anterior hace lo siguiente:
