Come tracciare il confine decisionale in R per il modello di regressione logistica?

Ho creato un modello di regressione logistica usando glm in R. Ho due variabili indipendenti. Come posso tracciare il limite decisionale del mio modello nel diagramma a dispersione delle due variabili. Ad esempio, come posso tracciare una figura come: http://onlinecourses.science.psu.edu/stat557/node/55

Grazie.

r logistic

— user2755
fonte

Il link alla figura è morto.

— Nick Stauner,

Risposte:

set.seed(1234)

x1 <- rnorm(20, 1, 2)
x2 <- rnorm(20)

y <- sign(-1 - 2 * x1 + 4 * x2 )

y[ y == -1] <- 0

df <- cbind.data.frame( y, x1, x2)

mdl <- glm( y ~ . , data = df , family=binomial)

slope <- coef(mdl)[2]/(-coef(mdl)[3])
intercept <- coef(mdl)[1]/(-coef(mdl)[3]) 

library(lattice)
xyplot( x2 ~ x1 , data = df, groups = y,
   panel=function(...){
       panel.xyplot(...)
       panel.abline(intercept , slope)
       panel.grid(...)
       })

testo alternativo

Devo osservare che qui si verifica una separazione perfetta, quindi la glmfunzione ti avvisa. Ma ciò non è importante qui perché lo scopo è quello di illustrare come disegnare il confine lineare e le osservazioni colorate in base alle loro covariate.

— suncoolsu
fonte

Spero di non essere vecchio stile se uso reticolo :-)

— suncoolsu

Spero anche che se questo è un problema HW, non copierete semplicemente incolla.

— suncoolsu,

Grazie. Questa non è una domanda HW e la risposta mi è utile per capire il mio modello.

— user2755,

oh sì, lo sei :)

— mpiktas,

Qualcuno può spiegarmi la logica dietro la pendenza e intercettare? (per quanto riguarda il modello logistico)

— Fernando

Volevo rispondere alla domanda in commento alla risposta accettata sopra da Fernando: qualcuno può spiegare la logica dietro la pendenza e intercettare?

L'ipotesi di regressione logistica assume la forma di:

h_{θ} = g (z)

$h_{\theta} = g(z)$

$g(z)$ $z$ è della forma:

z = θ_{0} + θ_{1} x_{1} + θ_{2} x_{2}

$z = \theta_{0} + \theta_{1}x_{1} + \theta_{2}x_{2}$

$y = 1$ $h_{\theta} \geq 0.5$ che ha dato la funzione sigmoide è vero quando:

θ_{0} + θ_{1} x_{1} + θ_{2} x_{2} \geq 0

$\theta_{0} + \theta_{1}x_{1} + \theta_{2}x_{2} \geq 0$

quanto sopra è il limite di decisione e può essere riorganizzato come:

x_{2} \geq \frac{- θ_{0}}{θ_{2}} + \frac{- θ_{1}}{θ_{2}} x_{1}

$x_{2} \geq \frac{-\theta_{0}}{\theta_{2}} + \frac{-\theta_{1}}{\theta_{2}}x_{1}$

$y = mx + b$ $m$ $b$

— Andy
fonte

Buona spiegazione che accompagna la risposta sopra!

— Augustin,