在 R 中部署具有预定系数的逻辑回归模型

Question

我有一个已确定系数的逻辑回归模型，我想在 R 中部署。

我知道编写自己的函数来完成它非常简单，但我很好奇是否有一些我缺少的现有功能更简单？

基本上，我希望将 glm 的 predict() 功能与我自己的系数一起使用，而不是在 R 中拟合模型。

Answer 1

您可以使用矩阵形式来做到这一点：

logitp_est <- sum(c(1, values) * coefficients)

如果你想要概率，

prob_est <- 1 / (1 + exp(-1 * logitp_est))

或内置plogis():

prob_est <- plogis(logitp_est)

如果要分类：

class_est <- logitp_est > 0

Answer 2

不推荐，但您可以随时手动更改系数。

iris2 <- iris[, 1:4]; iris2$dep_var <- as.integer(ifelse(iris2$Sepal.Length > 5, 1, 0))
x <- glm(dep_var ~ ., family = binomial(link = logit), iris2)
x$coefficients
# (Intercept)  Sepal.Length   Sepal.Width  Petal.Length   Petal.Width
# -1990.9311682   392.5953392     2.0776581     0.5389770     0.9594286
predict(x, iris2[1, ])
#          1
#   19.52332
x$coefficients['Sepal.Length'] <- 393
predict(x, iris2[1, ])
#        1
# 21.58709

请注意，这可能会与 summary(x) 之类的东西混淆。