我正在尝试使用tidyverse和modelr包计算一组数据的逻辑回归预测。显然我在add_predictions
做错了,因为我没有收到后勤功能的“响应”,就像我在统计数据中使用'预测'功能一样。这应该很简单,但我无法弄明白,多次搜索产生的结果很少。
library(tidyverse)
library(modelr)
options(na.action = na.warn)
library(ISLR)
d <- as_tibble(ISLR::Default)
model <- glm(default ~ balance, data = d, family = binomial)
grid <- d %>% data_grid(balance) %>% add_predictions(model)
ggplot(d, aes(x=balance)) +
geom_point(aes(y = default)) +
geom_line(data = grid, aes(y = pred))
答案 0 :(得分:5)
predict.glm
的{{1}}参数默认为type
,"link"
默认情况下不会更改,也不提供任何方式更改为几乎可以肯定的add_predictions
。 (A GitHub issue exists;如果你愿意的话,可以在上面加上你的漂亮的代表。)也就是说,通过"response"
直接在整齐的范围内使用predict
并不难。
另请注意,ggplot正在将dplyr::mutate
(一个因子)强制为数字以绘制线条,这很好,除了“否”和“是”被1和2替换,而概率default
返回的值将介于0和1之间。显式强制数字并减去一个修复了该图,但需要额外的predict
调用来修复标记。
scale_y_continuous
另请注意,如果你想要的只是一个情节,library(tidyverse)
library(modelr)
d <- as_tibble(ISLR::Default)
model <- glm(default ~ balance, data = d, family = binomial)
grid <- d %>% data_grid(balance) %>%
mutate(pred = predict(model, newdata = ., type = 'response'))
ggplot(d, aes(x = balance)) +
geom_point(aes(y = as.numeric(default) - 1)) +
geom_line(data = grid, aes(y = pred)) +
scale_y_continuous('default', breaks = 0:1, labels = levels(d$default))
可以直接为你计算预测:
geom_smooth