我尝试将逻辑回归或其他机器学习算法应用于这个简单的数据集，但结果很失败，遇到了很多错误。我正在尝试

 dim(data) [1] 11580    12 head(data) ReturnJan   ReturnFeb   ReturnMar   ReturnApr    ReturnMay  ReturnJune  1  0.08067797  0.06625000  0.03294118  0.18309859  0.130333952 -0.01764234  2 -0.01067989  0.10211539  0.14549595 -0.08442804 -0.327300392 -0.35926605  3  0.04774193  0.03598972  0.03970223 -0.16235294 -0.147426982  0.04858934  4 -0.07404022 -0.04816956  0.01821862 -0.02467917 -0.006036217 -0.02530364  5 -0.03104575 -0.21267723  0.09147609  0.18933823 -0.153846154 -0.10611511  6  0.57980016  0.33225225 -0.40546095 -0.06000000  0.060732113 -0.21536106

而我试图预测的第12列看起来像这样

      PositiveDec      0      0      0      1      1      1

这是我的尝试

new.data <- data[,-12] #移除标签列index <- sample(1:nrow(new.data), size = 0.8*nrow(new.data))#分割数据train.data <- new.data[index,]test.data <- new.data[-index,]fit.glm <- glm(data[,12]~.,data = data, family = "binomial")

回答：

你已经接近成功了，但有几个语法错误，并且正如评论中指出的，你需要保留结果变量。这应该可以工作：

index <- sample(1:nrow(data), size = 0.8 * nrow(data))train.data <- data[index, ]fit.glm <- glm(PositiveDec ~ ., data = train.data, family = "binomial")