使用连续变量和分类变量预测分类变量

Question

我有一组看起来像这样的树 plot 数据（分类变量和连续变量的混合）：

Climate  Species    Average_size    Canopy_cover    Structure
Hot      Pine       12.3            10%             open
Cold     Spruce     15.6            65%             closed
Cold     Fir        19.2            43%             closed

我有第二个数据集，我试图预测“结构”（一个分类变量）：

Climate  Species    Average_size    Canopy_cover    Structure
Hot      Pine       20.4            90%             ?
Cold     Spruce     18.9            54%             ?
Hot      Fir        26.4            28%             ?

由于我正在预测一个分类变量，因此我尝试使用 ANOVA 并进行预测，但没有运气。 我在正确的轨道上吗？

aov1 <- aov(Structure ~ Canopy_cover + Average_size + Species + Climate, data = df)

predict(aov1, data.frame(Canopy_cover = 90 + Average_size = 20.4 + Species = "Pine" + Climate = "Hot")

Answer 1

这有几件事。 首先，您的变量canopy_cover将被读取为字符变量（如上所示）。 您可能希望将其作为一个连续的数字变量（有关如何修改，请参见下文）。 这里更大的问题是尝试使用 ANOVA 对 model 分类响应，这本质上是线性回归的包装器。 线性回归需要连续响应。 据我所知，您的响应变量需要 2 forms，打开或关闭，因此一种方法是使用逻辑回归。 您需要先将结构转换为 1 或 0。

加载数据并对其进行修改，使“打开”编码为 1，“关闭”编码为 0，并将cover转换为数字。

df1 <- tribble(
  ~climate, ~species, ~size, ~cover, ~structure,
  "hot", "pine", 12.3, "10%", "open",
  "cold", "spruce", 15.6, "65%", "closed",
  "cold", "fir", 19.2, "43%", "closed"
) %>%
  mutate(target = case_when(
    structure == "open" ~ 1,
    TRUE ~ 0),
    cover = as.numeric(gsub("%", "", cover))
  )  

对您的测试数据执行相同的操作。

df2 <- tribble(
  ~climate, ~species, ~size, ~cover,
  "hot", "pine", 20.4, "90%", 
  "cold", "spruce", 18.9, "54%", 
  "hot", "fir", 26.4, "28%"
) %>%
  mutate(cover = as.numeric(gsub("%", "", cover)))

用df1拟合逻辑回归 model ：

fit <- glm(target ~ climate + species + size + cover, family = "binomial", data = df1)

使用df2进行预测：

predict(fit, df2, type = "response")

这给出了下面的预测概率。 还有一个排名不足的警告，因为上面的 model 是排名不足的，但我认为实际数据不会出现这种情况。

           1            2            3 
1.000000e+00 5.826215e-11 1.000000e+00