我有一个 logistic 回归模型,使用了
我的问题是:给定一个
您可以通过对玩具观察结果应用
谢谢!
glmnet
包。我的响应变量被编码为一个因子,其水平值我将称之为 "a" 和 "b"。
logistic 回归的数学中,将两个类别中的一个标记为 "0",另一个标记为 "1"。logistic 回归模型的特征系数可以是正数、负数或零。如果一个特征 "f" 的系数是正数,则增加测试样本 x 的 "f" 值会增加模型将 x 分类为 class "1" 的概率。我的问题是:给定一个
glmnet
模型,如何知道 glmnet
是如何将你的数据的因子标签 {"a", "b"} 映射到底层数学的因子标签 {"0", "1"} 的?因为你需要了解这一点才能正确解释模型的系数。您可以通过对玩具观察结果应用
predict
函数来手动计算出这一点。但是要加快解释过程,知道 glmnet
如何隐式处理这种映射会更好。谢谢!