Diabetes-Analysis-with-Logistic-Regression

业务问题 如何使用Logistic回归最佳预测2型糖尿病 数据集 数据已从Kaggle（ ）中检索，该数据集由952行组成，包括“糖尿病”，响应变量和17列特征。 多变的 类型 回应 年龄 分类的 年龄段（4） 性别 分类 男/女 家庭 历史分类 是/否 高血压 分类 是/否 体力活动 分类的 无/有些/中等/高 体重指数 数字 数字 抽烟 分类的 是/否 酒精消耗 分类的 是/否 睡眠时间 数字 数字 良好的睡眠 数字 数字 常规医学 分类的 是/否 垃圾食品 分类的 是/否 压力 分类的 否/有时/经常/总是 血压水平 分类的 高/普通/低 怀孕 数字 数字 妊娠糖尿病 分类的 是/否 尿频 分类 是/否 方法 数据处理 创建一个简单的循环有助于我们导航NA值，其中47个值已被删除。 由于我们有14个类别变量，因此使用dplyr包中的“ recode（）”函数以简单直观的方式执行