使用 GLM 进行逻辑回归答案

【问题标题】：Logistic Regression with GLM使用 GLM 进行逻辑回归
【发布时间】：2018-08-11 04:00:05
【问题描述】：

我试图将我的一些 R 代码带给 Julia，但 GLM 包有问题。数据集按年龄分组，每组中有 m_i 个个体，其中 N_i 个患病。我想根据年龄来估计生病的概率——一个典型的逻辑回归问题。我的代码看起来像：

fit <- glm(cbind(N, m - N) ~ age, family = binomial, data = heart)

我在 Julia 中尝试了以下函数调用，但它不起作用：

glm(@formula((N, m-N) ~ age), df, Binomial(), LogitLink())

有什么想法吗？数据集可以在这里找到：http://stat.ethz.ch/Teaching/Datasets/heart.dat

谢谢。

【问题讨论】：

标签： regression julia glm

【解决方案1】：

您必须构造一个二元变量sick，它对应于每个年龄组中患病和未患病的观察次数。我通过为每个年龄组创建一个单独的DataFrame 然后在它们上运行vcat 来实现这一点。

假设您在heart 数据框中读取数据，这是完成这项工作的代码（我将heart_flat 的创建压缩为一行，但您可以提取其中的理解以查看在走）：

heart_flat = vcat([DataFrame(age=row[:age],
                             sick=[ones(Int, row[:N]);
                                   zeros(Int, row[:m]-row[:N])])
                   for row in eachrow(heart)]...)

glm(@formula(sick ~ age), heart_flat, Binomial(), LogitLink())

它产生与 R 中相同的估计值。

【讨论】：

非常适合我。但是，“但是您可以提取内部的理解以查看在旅途中创建的内容”是什么意思。我必须把它们放在哪里？
如果您在 REPL 中运行 [DataFrame(age=row[:age], sick=[ones(Int, row[:N]); zeros(Int, row[:m]-row[:N])]) for row in eachrow(heart)]，您可以看到应用了 vcat 的个人 DataFrames。