非线性逻辑回归
在第 3 章中，您探讨了通勤者的出行距离，以及该距离对乘坐公交车概率的线性影响。 但是，如果这种关系是非线性且非单调的呢？
例如，通勤距离最短和最长的人是否更不可能乘坐公交？
在 R 中，您可以在公式中使用 I(..) 函数来加入非线性项。
例如，y~I(x^2) 允许您估计 x*x 的系数。
在本练习中，您将进一步检查公交数据。
本练习是课程的一部分
R 中的广义线性模型
练习说明
- 在第二次调用
geom_smooth()时，将公式y ~ I(x^2)添加到formula选项中。
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 linear effect of travel distance on probability of taking the bus
gg_jitter <-
ggplot(data = bus, aes(x = MilesOneWay, y = Bus2)) +
geom_jitter(width = 0, height = 0.05) +
geom_smooth(method = 'glm',
method.args = list(family = 'binomial'))
# Add a non-linear equation to a geom_smooth()
gg_jitter +
geom_smooth(method = 'glm',
method.args = list(family = 'binomial'),
formula = ___,
color = 'red')