这篇日志也确实是有感而发，我对R不熟悉，但实验需要，所以简单学了一下。发现无论是网上无数的教程，还是书本上的示例，在讲Logistic Regression的时候就是给一个简单的函数及输出结果说明。从来都没有讲清楚几件事情：

1. 怎样用训练数据训练模型，然后在测试数据上进行验证（测试数据和训练数据可能有重合）？

2. 怎样计算预测的效果，也就是计算Recall，Precision，F-measure等值？

3. 怎样计算Nagelkerke拟合优度等评价指标？

发现这些书本和一些写博客的朋友，脑子真是不清楚得可以。去看你的教程，不是光看看简单的函数使用，或者听你讲讲原理，还是希望能尽快并且正确地用起来。从我的经历来看，已有的网上教程都做得太差了。

这里我也不详细介绍过程了，贴上有详细注释的代码，相信大家一看就明白：

rm(list=ls(all=TRUE))#首先删除工作空间中所有对象
training=read.csv("training.csv",header=FALSE)
testing=read.csv("testing.csv",header=FALSE)#分别导入训练和测试数据
 
glm.fit=glm(V16~V7,data=http://www.mamicode.com/training,family=binomial(link="logit"))#用训练数据生成模型，这里我是用第7列数据预测第16列>
搞不清楚这么简单的东西，为什么很多人都说不清楚。
这里再简单解释一下summary输出结果：
Call:
glm(formula = V16 ~ V7, family = binomial(link = "logit"), data = http://www.mamicode.com/training)>
其实大家主要看Coefficient这里就可以了，其中Estimate表示最终预测方程里V7的系数，Pr就是p-value，从这两处看预测效果还可以接受。
最详细的基于R语言的Logistic Regression（Logistic回归）源码，包括拟合优度，Recall，Precision的计算