为什么r中logistic回归的预测函数不返回二进制向量？

Question

当响应变量是"Chan“时，我尝试使用逻辑回归。我使用了预测函数，但函数返回的向量不是布尔值，有人知道问题出在哪里吗？

example of my data:
x1 x2 x3 x4 Chan
3 4 5 6 1 1
4 4 4 4 1 1 
5 5 3 2 3 0
3 4 3 4 2 0

mimic_matrix$Chan<-(mimic$Chan==1)
training<-mimic_matrix[1:5000,]
test<-mimic_matrix[-(1:5000),-ncol(mimic_matrix)]
tag<-mimic_matrix[-(1:5000),ncol(mimic_matrix)]

mimic_regression <- glm(Chan ~ .,data = training,family = "binomial")
step_backward<-step(mimic_regression, direction="backward")

predict_backward<-predict(step_backward, newdata = test, type="response")
predict_backward<-(predict_backward==1)

Answer 1

逻辑回归给出了介于0和1之间的输出，它表示因变量等于1的概率(或TRUE，或您的因变量是什么)。在大多数情况下，只要逻辑回归的结果大于0.5，您就会“预测”值为1。然而，假设0.5是最好的分界点是危险的，因为将TRUE错误分类为FALSE的成本一定不能与将FALSE错误分类为TRUE的成本相同。考虑logistic回归分类问题的目标，并确定一个合适的阈值(关键词: ROC曲线)。

Answer 2

logistic回归函数glm()的输出是一个概率。但是我们可以通过使用阈值将它们转换为预测值(0或1)。阈值的选择基于您的偏好，即错误更好。如果你没有偏好，0.5就可以了。正如Ken提到的，ROC曲线将帮助您找到更好的阈值。您可以为此安装ROCR包。

Answer 3

它返回给定协变量的每个结果的概率。来自R的帮助：

所需的预测类型。默认值是线性预测器的尺度；另一个“响应”是响应变量的尺度。因此，对于缺省的二项式模型，缺省预测是对数赔率(对数尺度上的概率)，类型=“”给出预测的概率。terms选项返回一个矩阵，给出线性预测尺度上模型公式中每个项的拟合值。