开始使用免费开始使用

有界预测

这里使用 glm() 函数，是因为需要一个将模型预测限制在 0 到 1 之间的响应函数。我们用一张图来展示这一效果。不过这次需要画的是一条曲线（而不是直线）！

先绘制关系式 HOPPINESS ~ price.ratio。您可以使用 curve() 将逻辑函数添加到图中。curve() 用于在 x 个数据点上评估另一个函数。这里，这个函数就是 predict()！predict() 会读取 logistic.model 的系数，并对以 data frame 形式提供的一些取值做出预测。诀窍是在 data.frame 参数中设置 price.ratio = x。这样就能通过预测值拟合出一条曲线。

本练习是课程的一部分

在 R 中构建响应模型

查看课程

练习说明

  • 使用 plot() 函数展示 HOPPINESS 与 price.ratio 之间的关系。
  • 在 data.frame 参数中提供 price.ratio，对 logistic.model 使用 predict() 函数，得到 Hoppiness 的购买概率。
  • 使用 curve() 函数在预测的数据点上拟合并绘制一条曲线。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Plot HOPPINESS against price.ratio
___(___, data = choice.data)

# Add the logistic response function
___(___(___, data.frame(___), type = "response"), add = TRUE)
编辑并运行代码