Как построить границу решения в R для модели логистической регрессии?

Я сделал модель логистической регрессии, используя glm в R. У меня есть две независимые переменные. Как я могу построить границу решения моей модели на графике рассеяния двух переменных. Например, как я могу нарисовать фигуру, например: http://onlinecourses.science.psu.edu/stat557/node/55

Благодарю.

r logistic

— user2755
источник

Ссылка на рисунок мертва.

— Ник Стаунер

Ответы:

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(...)
       })

альтернативный текст

Я должен отметить, что здесь происходит идеальное разделение, поэтому glmфункция дает вам предупреждение. Но это не важно здесь, так как цель состоит в том, чтобы проиллюстрировать, как нарисовать линейную границу и цвета наблюдений в соответствии с их ковариатами.

— suncoolsu
источник

Я надеюсь, что я не старомоден, если использую решетку :-)

— suncoolsu

Я также надеюсь, что если это проблема HW, вы не просто скопируете вставить.

— Suncoolsu

Благодарю. Это не вопрос HW, и ответ поможет мне понять мою модель.

— user2755

о да вы :)

— mpiktas

Может кто-нибудь объяснить мне логику наклона и перехват? (относительно логистической модели)

— Фернандо

Хотел ответить на вопрос в комментарии к принятому выше ответу Фернандо: может кто-нибудь объяснить логику наклона и перехват?

Гипотеза о логистической регрессии принимает форму:

h_{θ} = g (z)

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

$g(z)$ $z$

z = θ_{0} + θ_{1} x_{1} + θ_{2} x_{2}

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

$y = 1$ $h_{\theta} \geq 0.5$

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

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

вышеуказанное является границей решения и может быть переставлено как:

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

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

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

— Энди
источник

Хорошее объяснение, сопровождающее ответ выше!

— Августин