前面写过一个多分类的逻辑回归，现在要做一个简单的二分类，用glm函数

导入csv格式如下：

mydata<-read.csv("D://li.csv",header=T)
colnames(mydata)<-c("x1","x2","x3","y")
model<-glm(formula = y ~ x1+x2+x3, family = quasibinomial(link = "logit"),data = mydata)
summary(model)

　　这里family没有使用binomial，那个会报一个警告，

Warning message:
In eval(family$initialize) : 二项通用线性模型里出现了非整数的#成功!

查了一下，有可能数据是不均匀分布（Overdispersion），把family改成quasi的就行了。不过AIC会变成NA，这下拟合的P值就显著多了。

family = quasibinomial(link = "logit")

可以参考这个网站：https://stats.stackexchange.com/questions/91724/what-is-quasi-binomial-distribution-in-the-context-of-glm

这里有介绍两者的区别

做个图，貌似离逻辑回顾的那个曲线有点差距啊。

p<-predict(model,type='response')

 plot(seq(-2,2,length=30),sort(p),col='blue')