R - 如何对外部逻辑回归方程进行基准测试答案

【问题标题】：R - How to benchmark an external logistic regression equationR - 如何对外部逻辑回归方程进行基准测试
【发布时间】：2019-08-13 12:24:08
【问题描述】：

假设我有一个来自外部组的逻辑回归模型，我想针对我从数据集 df 生成的模型进行基准测试。外部模型的方程为 Xo + 1.37X1 - 3.23X2 + 1.74X3。这些变量存在于df中，将用于预测目标变量Y。

我的问题是，我将如何生成一个从现有模型派生的新变量 df$pred？

明确地说，我并不是说使用 glm 生成我自己的模型。严格来说，这就是我要测试的方式，一个以前发布的模型作为我的性能基准。谢谢！

【问题讨论】：

似乎与stats.stackexchange.com/questions/36173/…有关
这看起来就像计算线性预测变量一样简单，然后传递给反向链接函数以获得您的响应向量。 with(data, binomial(link = "logit")$linkinv(X0 + 1.37 * X1 + 3.23 * X2 + 1.74 * X3))。同样，您可以选择一个阈值（例如 50 %），您可以在该阈值中接受“成功”或“失败”的结果

标签： r logistic-regression

【解决方案1】：

我觉得就这么简单吧？

# Create dummy dataset
X0 <- c(1,2,3)
X1 <- c(10,20,30)
X2 <- c(100,200,300)
X3 <- c(1000,2000,3000)
df <- data.frame(X0,X1,X2,X3)

# Calculate df$pred
df$pred <- X0 + 1.37*X1 - 3.23*X2 + 1.74*X3

【讨论】：