[英]predict.glmnet() gives same predictions for type = "link" and "response" using family = "binomial"
[英]Using glm to predict continuous variables between 0 and 1 family=binomial(link='logit') gives error
我正在尝试使用glm使用以下代码来估计0到1之间的连续变量的逻辑回归,但是却出现了错误:
> glm(y ~ x, data=test_data, family=binomial(link = 'logit'))
Error in eval(family$initialize) : y values must be 0 <= y <= 1
但是,当我对test_data进行汇总时,df的y值完全在0到1之间...
> summary(test_data)
y x
Min. :0.000000 Min. :0.0000
1st Qu.:0.001510 1st Qu.:0.0000
Median :0.003664 Median :1.0000
Mean :0.025847 Mean :0.5386
3rd Qu.:0.009054 3rd Qu.:1.0000
Max. :1.000000 Max. :1.0000
谁能帮助我了解这里的问题? 如果我检查变量的类型,它们都是数字:
> class(test_data$y)
[1] "numeric"
> class(test_data$x)
[1] "numeric"
建议您尝试:
which(as.numeric(test_data$x) < 0 | as.numeric(test_data$x) > 1)
which(as.numeric(test_data$y) < 0 | as.numeric(test_data$y) > 1)
我在这里发现了问题-深入研究数据后,只有少量行具有非常小的y负值(可能由于舍入误差),例如:
> test_data[276,]
# A tibble: 1 x 2
y x
<dbl> <dbl>
1 -1.47e-17 0
但是,这些超出范围的值不会在摘要中显示。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.