首页 文章

通过查看它在R中描述不同数据集的程度来评估glm

提问于
浏览 次
0

我使用带有~10个预测变量和二元响应变量的glm创建了一个逻辑模型 . 通过随机选择3000个观察结果，将这些数据集放入新数据集（newdata）并将glm拟合到newdata，使用我的完整数据集（~8000观察）的子集创建模型 .

为了评估模型，我想看看模型在不同数据集（testdata）中描述数据的程度，该数据集具有随机选择的数据集 . 来自完整数据集的约1000个观测值 . 我怎么会在R中这样做呢？

我已经为系数创建了两个置信区间，并查看了Wald-statistics和LRT来评估我的模型的统计显着性，但是希望能够看到它如何描述随机选择的完整数据集 .

谢谢你！

r glm

1 回答

  • 1

    有几种可能的方法 . 首先，要从样本中评估模型，您必须选择性能指标 . 说它是MSE，并假设您的测试集称为测试，那么您将使用：

    mean((test$response - predict(m, newdata = test, type = "response"))^2)

    对于逻辑回归，您可以计算物流族的偏差，而不是使用MSE . 或者您可以使用ROCR包中提供的曲线/ Gini下的区域 . 此外，您可能希望进行交叉验证，而不是只进行一次样本测试，这可以通过 cvTools::cvFit 完成 .

    回复于

相关问题