R 语言经典实例（原书第 2 版）

400

｜

第

13

章

13.6.4 另请参阅

本方法演示的是基于 R 基础发布版的聚类功能。还有其他 R 包（例如 mclust 包）提供

了其他可选的聚类方法。

13.7 预测二元变量（逻辑回归）

13.7.1 问题

需要执行逻辑回归，这是一种预测二元事件发生概率的回归模型。

13.7.2 解决方案

调用 glm 函数，使用参数 family = binomial 以执行逻辑回归。其结果是一个模型

对象：

m <- glm(b ~ x1 + x2 + x3, family = binomial)

这里，b 是一个具有两个水平的因子（即取值为 TRUE 和 FALSE，0 和 1 ）， 而 x1、x2

和 x3 是预测变量。

可以使用模型对象 m 和预测函数 predict 来预测新数据的概率：

df <- data.frame(x1 = value, x2 = value, x3 = value)

predict(m, type = "response", newdata = dfrm)

13.7.3 讨论

预测二元值结果是建模中的常见问题。某个治疗是否有效？价格会上涨还是下跌？谁将

赢得比赛，A 队还是 B 队？逻辑回归可以用来对这些情况进行建模。按照统计学精神，

逻辑回归模型不是给出一个简单的“是”或者“不是”的答案，而是给出两个可能结果

中每一个可能发生的概率。

在调用 predict 函数时，我们设置参数 type = "response"，以便 predict 函数返

回一个概率。否则，它会返回胜率的对数，这对我们大多数人都没有什么实际的用处 ...