Question

我使用glm.fit（）函数在R中构建了glm模型：

m <- glm.fit(x = as.matrix(df[,x.id]), y = df[,y.id], family = gaussian())

之后，我尝试做一些预测，使用（我不确定我是否正确选择了）：

    predict.glm(m, x, s = 0.005)

出了错误：

    Error in terms.default(object) : no terms component nor attribute

这里https://stat.ethz.ch/pipermail/r-help/2004-September/058242.html我找到了解决问题的方法：

predict.glm.fit<-function(glmfit, newmatrix){
       newmatrix<-cbind(1,newmatrix)
        coef <- rbind(1, as.matrix(glmfit$coef))
        eta <- as.matrix(newmatrix) %*% as.matrix(coef)
        exp(eta)/(1 + exp(eta))
   }

但我无法弄清楚是否不可能使用glm.fit并事后预测。为什么有可能？如何正确选择？

N.B。如果使用glm（）函数，可以省略该问题。但glm（）函数要求公式，在某些情况下这不太方便。如果有人想使用glm.fit＆amp;之后的预测这里有一些解决方案：https://stat.ethz.ch/pipermail/r-help/2004-September/058242.html

Answer 1

你应该使用glm而不是glm.fit。 glm.fit是glm的主力，但glm返回c类的对象（＆＃34; glm＆＃34;，＆＃34; lm＆＃34;），其中有一个predict.glm方法。然后你只需要对glm返回的对象应用预测（可能指定了一些新数据和你想要的预测类型），通用预测函数将选择正确的方法函数。

glm.fit的predict（）不起作用。为什么？

1 个答案: