R语言使用R基础安装中的glm函数构建乳腺癌二分类预测逻辑回归模型(Logistic regression)、分类预测器（分类变量）被自动替换为一组虚拟编码变量、summary函数查看检查模型、使用table函数计算混淆矩阵评估分类模型性能

R语言使用kernlab包中的ksvm函数构建支持向量机SVM模型(Support vector machines)、使用RBF核函数、使用table函数计算混淆矩阵评估分类模型性能

R语言使用e1071包中的svm函数构建支持向量机SVM模型(Support vector machines)、默认使用RBF核函数、使用table函数计算混淆矩阵评估分类模型性能

R语言编写自定义函数计算分类模型评估指标：准确度、特异度、敏感度、PPV、NPV、数据数据为模型预测后的混淆矩阵、比较多个分类模型分类性能（逻辑回归、决策树、随机森林、支持向量机）

R语言广义线性模型函数GLM、glm函数构建逻辑回归模型（Logistic regression）、构建仿真数据集、控制所有其它预测变量、进而评估单个预测因子对结果概率的影响

R语言使用DALEX包的explain函数生成指定分类预测机器学习模型的解释器、使用model_parts函数对分类模型进行特征重要度分析并可视化（Variable importance）

R语言用标准最小二乘OLS，广义相加模型GAM ，样条函数进行逻辑回归LOGISTIC分类...

R语言使用caretEnsemble包的caretStack函数把多个机器学习模型融合成一个模型、构建融合（集成）预测模型、使用融合模型进行预测推理

R语言使用table函数构建二维列联表、使用chisq.test函数进行卡方检验、检验两个分类变量是否独立

R语言使用table函数构建二维列联表、使用fisher.test函数进行精确概率检验、检验两个分类变量是否独立

R语言使用yardstick包的gain_curve函数评估多分类（Multiclass）模型的性能、并使用autoplot函数可视化模型在每个交叉验证（或者重采样）的每一折fold在每个分类上的增益