首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >如何快速求出logistic回归的决策边界

问如何快速求出logistic回归的决策边界
EN

Stack Overflow用户
提问于 2015-12-19 18:55:33
回答 1查看 1.5K关注 0票数 1

我们知道如何划分逻辑回归和其他分类方法的决策边界,但是,我不感兴趣的是一个图,而是我想要确切的值,在二项式预测是.50。

例如:

代码语言:javascript
复制
train=data.frame(1:20)
train$response=rep(1:0,10)
model=glm(response ~ poly(X1.20, 2), data=train, family=binomial)


train$X1.20[1]=10.5
predict(model, train[1,], type="response")

留给我的决策边界为10.5,我可以通过使用predict()函数的尝试和错误找到这个边界,这意味着自变量的10.5值正好是.50的响应。是否有一种自动的方法可以找到.50的响应值?

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2015-12-19 19:25:23

您应该使用一个事实,即logit模型的预测值为零意味着响应概率为0.5。因此,您可以尝试找到一个x值,使预测值尽可能接近于零。在这里,deviationFromZero()发现在给定x值的情况下,预测值与模型的距离是从零到多远。

代码语言:javascript
复制
df <- data.frame(x = 1:20, response = rep(1:0, 10))
model <- glm(response ~ poly(x, 2), data = df, family = binomial)
deviationFromZero <- function(y) abs(predict(model, data.frame(x = y)))
boundary <- optimize(f = deviationFromZero, interval = range(df$x))

boundary
$minimum
[1] 10.5

$objective
           1 
1.926772e-16 
票数 3
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/34374244

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档