遵义市做网站的电话seo关键词排名优化app

R语言中predict函数在建立模型，研究关系时常用。但是不同type得到的结果常常被混为一谈，接下来，探讨predict得到的不同结果。

#数据
set.seed(123)
n<-1000
age<-rnorm(n,mean=50,sd=10)
gender<-rbinom(n,1,0.5)
disease<-rbinom(n,1,plogis(-3+0.05*age+0.5*gender))
data<-data.frame(age,gender,disease)

1、type="response"得到的时预测概率

glm_model<-glm(disease~age,family=binomial(link="logit"),data=data)
a1=predict(glm_model,type="response")
print(a1[1:10])

2、type="link"得到log-odds (发生概率与不发生概率比值取自然对数)

glm_model<-glm(disease~age,family=binomial(link="logit"),data=data)
a1=predict(glm_model,type="link")
print(a1[1:10])

 3、type="terms"得到一个矩阵，给出线性预测量表上模型公式中每个项的拟合值。

a3=predict(glm_model,type="terms")
print(a3[1:10])