使用 add_predictions() 从日志 model 中预测的值还有很长的路要走

Question

我已经将日志 model 放入一些数据中，效果很好：

model_data <- structure(list(standard_conc_ngul = c(50, 50, 50, 5, 5, 0.5, 
0.5, 0.05, 0.05, 0.005, 0.005, 0.005), ct = c(18.3305377960205, 
18.133768081665, 17.8813705444336, 21.5002365112305, 21.4915542602539, 
22.7616996765137, 23.6836719512939, 25.3699340820312, 25.3488445281982, 
28.984302520752, 26.7397594451904, 27.8844776153564)), row.names = c(NA, 
-12L), class = c("tbl_df", "tbl", "data.frame"))

> print(model_data)
# A tibble: 12 × 2
   standard_conc_ngul    ct
                <dbl> <dbl>
 1             50      18.3
 2             50      18.1
 3             50      17.9
 4              5      21.5
 5              5      21.5
 6              0.5    22.8
 7              0.5    23.7
 8              0.05   25.4
 9              0.05   25.3
10              0.005  29.0
11              0.005  26.7
12              0.005  27.9

model <- lm(log(standard_conc_ngul) ~ ct, data = model_data)
> summary(model)$r.squared
[1] 0.9727793 

ggplot(model_data, aes(x = standard_conc_ngul, y = ct)) +
  geom_point() +
  stat_smooth(method = lm, formula = y ~ log(x)) +
  stat_poly_eq(formula = y ~ log(x),
               aes(label = paste(after_stat(eq.label), after_stat(rr.label), sep = "~~~")),
               parse = TRUE, coef.digits = 3, f.digits = 3, p.digits = 3, 
               rr.digits = 3)

我现在想使用这个 model 从新数据中的ct预测standard_conc_ngul 。 在我这样做之前，我想测试上面相同的 model 数据中的预测。 但是，当我这样做时，它们离我很远：

library(modelr)
model_data %>%
  add_predictions(model, var = "standard_conc_ngul_predicted") %>%
  ggplot(aes(x = standard_conc_ngul, y = standard_conc_ngul_predicted)) +
  geom_point()

知道发生了什么事吗？？

Answer 1

预测是计算结果的自然对数以匹配等式。 使用exp更正它们给出可比较的值：

library(tidyverse)

model_data %>%
  modelr::add_predictions(model, var = "standard_conc_ngul_predicted") |> 
  mutate(pred = exp(standard_conc_ngul_predicted)) |> 
  ggplot(aes(x = standard_conc_ngul, y = pred)) +
  geom_point()

这是你要找的吗？