Julia:GLM 绘图 logit 函数
Julia: GLM plot logit function
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 一本书,他们在其中进行了类似的练习,但在 R 中(也使用 glm)。
他们的阴谋是:
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,我不太喜欢 R 代码,我怎么能在 julia 中做类似的事情。
对于地块,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
using Plots
plot(x, predict(fit1), seriestype = :line) #where x is your predictor variable
已更新以包含@pkofod 的评论
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 一本书,他们在其中进行了类似的练习,但在 R 中(也使用 glm)。 他们的阴谋是:
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,我不太喜欢 R 代码,我怎么能在 julia 中做类似的事情。 对于地块,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
using Plots
plot(x, predict(fit1), seriestype = :line) #where x is your predictor variable
已更新以包含@pkofod 的评论