【问题标题】:Julia: GLM plot logit functionJulia:GLM 绘图 logit 函数
【发布时间】:2017-04-05 11:05:28
【问题描述】:

我正在处理大量数据,刚刚在 julia 中使用 glm 计算了逻辑回归。我所做的是检查对求职率的不同影响,我将其设为 0 或 1。 现在我想绘制我的结果。我有 gilman/hill 书,他们在其中进行了类似的练习,但在 R 中(也使用 glm)。 他们的情节是:

fit.1 <- glm(switch ~ dist, family=binomial(link="logit"))

jitter.binary <- (a, jitt=.05){
  ifelse(a==0, runif(length(a), 0, jitt), runif(length(a), 1-jitt, 1))
  }

switch.jitter <- jitter.binary(X)
plot(dist, switch.jitter)
curve(invlogit (coef(fit.1)[1] + coef(fit.1)[2]*x), add=TRUE)

我认为我的问题很基本,我怎么能在 julia 中做类似的事情,因为我不太喜欢 R 代码。 对于情节,我使用 Plots.jl

我希望有人能够帮助我,如果您需要更多信息,请告诉我。

干杯

【问题讨论】:

    标签: plot julia glm plots.jl


    【解决方案1】:
    using Plots
    plot(x, predict(fit1), seriestype = :line) #where x is your predictor variable
    

    更新以包含 @pkofod 的评论

    【讨论】:

    • 或者只是 plot(x, predict(fit1), line=:line)
    • 澄清一下:line 关键字的默认值是 :path。 Path 只会在第一对 (x,y) 对、第二对、第三对、...、最后一对之间画一条线。如果您指定 line = :line,它将首先按 x 排序,因此您可以获得“通常”的线图,而不必先对 x 和相关的 y 进行排序。
    • 不错,@pkofod !
    • 谢谢 Michael 和 pkofod,这对我很有帮助,尤其是 line=:line 部分
    • 你确定真正帮助你最大的不是预测部分吗? (开玩笑:-p)
    猜你喜欢
    • 2018-11-20
    • 1970-01-01
    • 1970-01-01
    • 2017-01-14
    • 1970-01-01
    • 2019-10-18
    • 1970-01-01
    • 1970-01-01
    • 2020-03-06
    相关资源
    最近更新 更多