我正在使用Kaggle的 Titanic
数据集,并希望学习一个简单的逻辑回归模型 .
我读了火车和测试数据, train$Survived
, train$Sex
, test$Survived
和 test$Sex
都是因素 .
我想进行一个非常简单的逻辑回归,Sex是唯一的自变量 .
fit <- glm(formula = Survived ~ Sex, family = binomial)
看起来好像对我来说:
> fit
Call: glm(formula = Survived ~ Sex, family = binomial)
Coefficients:
(Intercept) Sexmale
1.057 -2.514
Degrees of Freedom: 890 Total (i.e. Null); 889 Residual
Null Deviance: 1187
Residual Deviance: 917.8 AIC: 921.8
问题是,我无法将这种学习模型应用于测试数据 . 当我执行以下操作时:
predict(fit, train$Sex)
我得到一个带有891个值的向量,这是训练集中训练样例的数量 .
我似乎无法找到有关如何做到这一点的任何信息 .
任何帮助将不胜感激!
1 回答
我正在发布一个答案,以纠正几个似乎已经混淆的点 . 确实没有
predict
功能 . 这就是帮助页面说"predict"是"generic function"的意思 . 有时泛型函数确实有fun.default
方法,但在predict.*
的情况下,没有默认方法 . 因此,dispatch是基于第一个参数的类 . 每个方法都有单独的帮助页面,"predict"的帮助页面列出了几个 . 包作者需要为新类编写自己的预测方法 .逻辑回归早于机器学习范式,因此期望它“预测类”有点不切实际 . 即使您可以获得“响应”预测这一事实也是30年前当我们有些人正在接受我们的回归课程时提供的软件的礼物 . 人们需要理解概率通常不是0或1,而是介于两者之间 . 如果用户想要设置阈值并确定有多少案例超过阈值,那么这就是分析师的决定,分析师需要对他们认为值得的类别进行任何转换 .
执行:
predict(fit, train$Sex)
应该会给出一个结果,只要训练集中有值,所以我猜你也许打算尝试predict(fit, test$Sex)
并感到失望 . 如果是这样的话那应该是:predict(fit, list(Sex=test$Sex) )
. R需要将参数作为可以强制转换为数据帧的值,因此命名的值列表是predict
-ors的最低要求 .如果
predict.glm
获得第二个参数newdata
的格式错误的参数,则它将返回原始数据参数并使用模型对象中保留的线性预测变量 .