为 glm 使用 modelr::add_predictions

Question

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 中做错了什么，因为我没有像在统计数据中使用“预测”函数那样收到逻辑函数的“响应”。这应该很简单，但我想不通，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))

Answer 1

predict.glm 的type 参数默认为"link"，默认情况下add_predictions 不会更改，也不会为您提供任何更改为几乎肯定需要的"response" 的方法。 （A GitHub issue exists；如果你愿意，可以在上面添加你漂亮的代表。）也就是说，通过dplyr::mutate 在tidyverse 中直接使用predict 并不难。

还请注意，ggplot 将 default（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，而返回的概率为predict 将介于 0 和 1 之间。显式强制转换为数字并减去 1 可修复绘图，但需要额外调用 scale_y_continuous 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))

另外请注意，如果你想要的只是一个情节，geom_smooth 可以直接为你计算预测：

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))