ロジスティック回帰モデルのRに決定境界をプロットする方法は？

Rでglmを使用してロジスティック回帰モデルを作成しました。2つの独立変数があります。2つの変数の散布図にモデルの決定境界をプロットするにはどうすればよいですか。たとえば、http：//onlinecourses.science.psu.edu/stat557/node/55のような図をどのようにプロットできますか。

ありがとう。

r logistic

— user2755
ソース

図へのリンクは無効です。

— ニックスタウナー

回答:

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(...)
       })

代替テキスト

ここで完全な分離が行われるglmことに注意する必要があります。したがって、関数は警告を表示します。ただし、目的は共変量に従って色付けされた線形境界と観測値の描画方法を説明することであるため、ここでは重要ではありません。

— スンクールス
ソース

ラティスを使用する場合、私は昔ながらではないことを願っています:

— suncoolsu

また、これがハードウェアの問題である場合、単純にコピーペーストしないことを願っています。

— -suncoolsu

ありがとう。これはHWの質問ではなく、答えはモデルを理解するのに役立ちます。

— -user2755

ああそうだね:)

— mpiktas

誰かがスロープとインターセプトの背後にあるロジックを説明できますか？（ロジスティックモデルについて）

— フェルナンド

フェルナンドから上記の受け入れられた答えへのコメントで質問に対処したかった：誰かが斜面とインターセプトの背後にある論理を説明できますか？

ロジスティックス回帰の仮説は次の形式を取ります。

h_{θ} = g （ z ）

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

ここで、はシグモイド関数であり、は次の形式です。 $g(z)$ $z$

z = θ_{0} + θ_{1} {バツ}_{1} + θ_{2} {バツ}_{2}

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

シグモイド関数が真である場合、 0〜1に分類されるとすると、次の場合に当てはまります。 $y = 1$ $h_{\theta} \geq 0.5$

θ_{0} + θ_{1} {バツ}_{1} + θ_{2} {バツ}_{2} \geq 0

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

上記は決定境界であり、次のように再配置できます。

{バツ}_{2} \geq \frac{- θ_{0}}{θ_{2}} + \frac{- θ_{1}}{θ_{2}} {バツ}_{1}

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

これはの形式の方程式であり、とが受け入れられた答えにあるように計算される理由がわかります。 $y = mx + b$ $m$ $b$

— アンディ
ソース

上記の答えに付随する良い説明！

— オーガスティン