我试图在R中绘制一个双向相互作用图,该图与logistic回归模型中的两个二分预测值(即DV也是二分的),这样y轴将显示概率和预测值,并具有SE条形图。
我尝试过使用afex_plot:
glm <- glm(Y ~ X*Z, data = Data,
family = "binomial")
library("afex")
afex_plot(glm, X", "Y")
并收到以下错误:
Error in tbl[, vars, drop = FALSE] : incorrect number of d
我正在和scala合作一个Spark项目。我想训练一个模型,它可以是k_means,gaussian_mixture,逻辑回归,naive_bayes等,但我不能定义一个通用模型作为返回类型。由于这些算法的类型不同,如GaussianMixtureModel,KMeansModel等,我找不到任何逻辑方法来返回这个经过训练的模型。
以下是该项目的代码摘要:
model.model_algorithm match {
case "k_means" =>
val model_k_means = k_means(data, parameters)
我在r中建立了一个logistic回归模型,试图预测板球比赛的结果。然而,我的模型产生的概率值大于1。输出是1.031704,对于如何改进我的模型以获得概率的精确估计有什么建议吗?
set.seed(1)
#Use 70% of dataset as training set and remaining 30% as testing set
sample <- sample(c(TRUE, FALSE), nrow(ODIMT), replace=TRUE, prob=c(0.7,0.3))
train <- ODIMT[sample, ]
test <- ODIMT[!s
我试图使用M mboost软件包在R中应用一个多项式logistic回归模型。我在网上找到了这个例子,但我在预测函数中添加了"newdata = iris“,以查看预测公式在mboost中对新数据是如何工作的。不过,我正在犯一个错误。首先是代码:
library(mboost)
### fitting multinomial logit model via a linear array model
X0 <- K0 <- diag(nlevels(iris$Species) - 1)
colnames(X0) <- levels(iris$Species)[-nle