解释分类相关的数字输出

Question

我有一个数据集，我想根据自变量预测一个类别。类别输出可以采用多个值，而不仅仅是布尔选择。

> cars  <- data.frame(Speed  = c(  47,     49,      32,      27,        12,      11),
                      Colour = c("Red", "Red", "Other", "Other",  "Purple", "Purple"))
> cars$Colour <- as.factor(cars$Colour)

> model <- glm(Colour ~ Speed, family=binomial, data=cars)
> predict(model, newdata=data.frame(Speed = c(48)))
        1 
0.7136062

如何在我的颜色选择的上下文中解释 0.7136062？

编辑：那么我如何获得 Speed=48 的测试是红色、紫色、其他的概率？

显然我可以将 Colors 更改为虚拟变量：is_red、is_purple 但是这个示例是人为的 - 可能还有更多 Colors 或其他。

Answer 1

如评论中所述，多项式模型会给出预测，告诉您哪个类别最有可能。

library(nnet)

cars  <- data.frame(Speed  = c(  47,     49,      32,      27,        12,      11),
                    Colour = c("Red", "Red", "Other", "Other",  "Purple", "Purple"))
cars$Colour <- as.factor(cars$Colour)

model <- multinom(Colour ~ Speed, family=binomial, data=cars)    
summary(model)
predict(model, newdata=data.frame(Speed = c(48)))

解释分类相关的数字输出

Interpreting numeric output for a categorical dependent

r

linear-regression

categorical-data