일반화 된 선형 모델 (GLM)에 맞게 R에서 사용하는 code을 읽었습니다. R의 소스 코드는 무료로 사용할 수 있기 때문에. 사용 된 알고리즘은 으로 반복적으로 재구성 된 최소 자승법 (IRLS)이라고하며, 이는 문서화 된 알고리즘입니다. 매 반복마다 가중치가 최소 제곱 문제를 해결하기 위해 Fortran 함수를 호출합니다.GLM에서 계산 된 절편은 어떻게 적합합니까?
y <- rbinom(100, 1, 0.5)
x <- rnorm(100)
glm(y~x, family=binomial)$coefficients
을 그리고 당신이 원하지 않는 경우 차단,이 중 하나를 사용하려면 최종 사용자의 관점에서
은 인스턴스에 대한 로지스틱 회귀 분석을 위해, R의 호출은 다음과 같습니다 호출 괜찮 그러나glm(y~x-1, family=binomial)$coefficients
glm(y~x+0, family=binomial)$coefficients
, 나는 공식, 즉 y~x
또는 y~x-1
은 코드에서 의미를 만드는 방법을 이해하는 관리 할 수 없습니다 절편을 사용할지 말지를 사용할지 여부에 대해 이해합니다. 나는 하나의 열이 x
에 바인딩 될 코드의 일부를 찾고 있었지만 아무 것도없는 것 같습니다.
감사합니다.
추신 : 내가 읽은 한, glm.fit
이라는 함수에 나타나는 부울 절편은 내가 언급 한 절편과 동일하지 않습니다. 그리고 오프셋은입니다.
glm
및 glm.fit
에 대한 설명서는 here입니다.
이 답변의 마지막 단락이 실제로 맞습니까? 'glm.fit'은'lm.fit'에서와 똑같은 모델 행렬'x'를 취합니다 ... –
내가 대답한지 몇 년이 지났지 만 코드에서 그 점을 생각해 보았습니다. 나는 그것의 어떤 양상에 당연히 틀릴 수 있었다 ... –