有关线性回归分析模型的基本假定需要注意：1）关于随机干扰项的高斯-马尔科夫定理；2）关于自变量的：不存在共线性；3）关于模型的：模型设定正确。
用 glm 函数建立广义线性模型，用参数 family 指定分布类型，logistic模型指定为binomial
用 predict 函数进行预测， predict(model, data, type = 'response'
此外，还可以用 mlogit 包中的 mlogit 函数做多分类变量logistic回归， rms 包中的 lrm 函数做顺序变量logistic回归， glmnet 包中的 glmnet 函数做基于正则化的logistic回归
20200505·Kony·Win10
变量(various) ：用于存储值保留的内存位置，变量被分配了R对象，并且R对象的数据类型成为变量的数据类型。
R对象类型（Types of R-objects）：
转换数据类型
判断转换类型转换函数
is.numeric() as.numeric() #数字
is.character()as.character()#字符
is.vector() as.vector() #向量
is.matrix() as.matrix() #矩阵
is.data.frame() as.data.frame() #数据框
is.factor() as.factor() #因子
is.logical() as.logical()#逻辑数据
以上每一行的两个函数都是定义相同类型的函数
?不是很懂raw
向量 的下标是从1开始的
取某个元素：x[2](如果X包括名称，注意:x[2]与x[[2]]的区别；
取某中几个：x[c(1,2,0)]
取某个/几个元素，利用-：x[-n]#取除去第n个元素之外的其他元素
sort()输出排序后的结果；order()；输出排序后的各个向量位置，如下所示：
x[n] 第n个元素
x[-n] 除了第n个元素的x
x[1:n] 前n个元素
x[-(1:n)] 第n+1至最后的元素
x[c(1,4,2) ] 指定元素
x["name"] 名为"name"的元素
x[x >3] 所有大于3的元素
x[x >3 &x <5] 区间(3,5)的元素
x[x %in% c ("a","and","the")] 给定组中的元素
data >20 是一个表示式，它的返回值是一个有TRUE和FALSE 构成的逻辑向量，最终只选取了TRUE对应的元素，所以data 中大于20的元素被选了出来。
%in%这个操作符只返回逻辑向量TRUE 或者FALSE，而且返回值应该与%in%这个操作符前面的向量程度相等。也就是说它相当于遍历了C里面的一个个元素，判断它们是否在B中出现过，然后返回是或者否即可。
而match(C,B)的结果就很不一样了，它的返回结果同样与前面的向量等长，但是它并非返回逻辑向量，而是遍历了C里面的一个个元素，判断它们是否在B中出现过，如果出现就返回在B中的索引号，如果没有出现，就返回NA。
笔记参考：R语言基础--数据类型之向量 https://www.jianshu.com/p/7b47a6bbb7a9
R将清洁数据定义为：每个变量的数据存储在自身的列中，每个观测值的数据存储在其自身的行中。整洁数据是进行数据再加工的基础。
得到清洁数据，是为了实现
一般可用于日志数据或日期时间型数据的拆分
