10

我正在尝试使用 tidyverse 和 modelr 包计算一组数据的逻辑回归预测。显然我做错了什么，add_predictions因为我没有收到逻辑函数的“响应”，就像我在统计中使用“预测”函数一样。这应该很简单，但我无法弄清楚，多次搜索收效甚微。

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))
4

1 回答 1

6

predict.glm的type参数默认为"link"，add_predictions默认情况下不会更改，也不会为您提供任何更改为几乎肯定想要的"response". （存在一个 GitHub 问题；如果你愿意，可以在上面添加你的好表示。）也就是说，predict直接在 tidyverse 中使用并不难dplyr::mutate。

另请注意，为了绘制线条，ggplot 将default（一个因素）强制为数字，这很好，除了“否”和“是”被 1 和 2 替换，而返回的概率predict将在 0 和 1 之间. 显式强制转换为数字并减去一个可修复绘图，但需要额外scale_y_continuous调用来修复标签。

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))

另请注意，如果您想要的只是一个情节，geom_smooth可以直接为您计算预测：

ggplot(d, aes(balance, as.numeric(default) - 1)) + 
    geom_point() + 
    geom_smooth(method = 'glm', method.args = list(family = 'binomial')) + 
    scale_y_continuous('default', breaks = 0:1, labels = levels(d$default))

于 2017-02-14T02:26:35.417 回答