解释分类相关的数字输出
Interpreting numeric output for a categorical dependent
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。
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)))
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。
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)))