r - R 函数 fit() 和 predict() 之间有区别吗？

Question

fitted()函数和函数有区别predict()吗？我注意到来自 lme4 的混合模型可以使用fitted()但不能使用predict().

Answer 1

就在这里。如果存在将线性预测变量与响应的预期值相关联的链接函数（例如泊松回归的 log 或逻辑回归的 logit），则在应用链接函数的倒数之前predict返回拟合值（将数据返回到与响应变量相同的比例），并在应用后显示。fitted

例如：

x = rnorm(10)
y = rpois(10, exp(x))
m = glm(y ~ x, family="poisson")

print(fitted(m))
#         1         2         3         4         5         6         7         8 
# 0.3668989 0.6083009 0.4677463 0.8685777 0.8047078 0.6116263 0.5688551 0.4909217 
#         9        10 
# 0.5583372 0.6540281 
print(predict(m))
#          1          2          3          4          5          6          7 
# -1.0026690 -0.4970857 -0.7598292 -0.1408982 -0.2172761 -0.4916338 -0.5641295 
#          8          9         10 
# -0.7114706 -0.5827923 -0.4246050 
print(all.equal(log(fitted(m)), predict(m)))
# [1] TRUE

这确实意味着对于由线性回归 ( ) 创建的模型，和lm之间没有区别。fittedpredict

实际上，这意味着如果您想将拟合与原始数据进行比较，您应该使用fitted.

Answer 2

该fitted函数返回与用于拟合模型的数据关联的 y-hat 值。该predict函数返回一组新预测变量的预测。如果您没有指定一组新的预测变量，那么默认情况下它将使用原始数据，给出与fitted某些模型相同的结果，但如果您想预测一组新的值，那么您需要predict. 该predict函数通常还具有返回哪种类型的预测、线性预测变量、转换为响应尺度的预测、最可能的类别、模型中每个项的贡献等选项。