如何从 glm 逻辑回归预测多类概率？答案

【问题标题】：How to predict multiclass probabilities from glm logistic regression?如何从 glm 逻辑回归预测多类概率？
【发布时间】：2016-03-08 02:24:19
【问题描述】：

我有 10 个具有二元和多类因子的数据集，我使用逻辑回归和 R“glm”来预测类概率 class,prediction(formula,data,type="response")。我怎样才能得到预测的类，就像其他模型给出的那样？例如：

df=data.frame(y=c(1,0,0,1),x1=c(1,2,3,4),x2=c(12,13,43,3))
df$y=as.factor(df$y)
testdf=data.frame(y=c(1,1,0,0),x1=c(11,16,65,8),x2=c(3,2,5,0))
testdf$y=as.factor(testdf$y)
model_glm=glm(y~.,data=df,family="binomial")
pred_glm=predict(model_glm,newdata=testdf,type="response")

这将给出概率预测：

> pred_glm
           1            2            3            4 
2.220446e-16 2.220446e-16 2.220446e-16 2.220446e-16

但是，无论是 0 还是 1，我都需要类别预测。或者两列中的概率预测：一列用于 1 类，另一列用于 0 类？
当我有多个班级时如何使用它？

【问题讨论】：

标签： r classification logistic-regression glm multiclass-classification

【解决方案1】：

不久前我在处理我的数据时遇到了一些问题。为了预测，您必须首先创建逻辑回归

lgr= glm(y ~ x1 + x2 +x3...x10, data=df1)

然后您可以从那里预测或使用您的模型：

新预测：注意 df1 和 df2 的长度必须相同（所以如果需要，请添加 NA）

predicts= predict(lgr, newdata= "df2")

然后查看它并将其用于演示等。我会将其写入 csv

write.csv(predicts, "K:/filelocation/filename.csv")

编辑如果尝试根据预测进行分类，则需要进行特异性和敏感性计算。见：https://stats.stackexchange.com/questions/25389/obtaining-predicted-values-y-1-or-0-from-a-logistic-regression-model-fit/25398#25398?newreg=2f9713d7d60f427d9e123208c39f69f8

【讨论】：

非常感谢您的关注，不，这不是我的意思，我更新它，请再看一遍。
那实际上有点复杂。您需要生成自己的分类阈值。 lda 或 svm 会自动执行此操作，但 glm 您必须找到自己设置的灵敏度和特异性：stats.stackexchange.com/questions/25389/…