如何在R中为逻辑回归模型绘制决策边界？

我在R中使用glm建立了逻辑回归模型。我有两个自变量。如何在两个变量的散点图中绘制模型的决策边界。例如，如何绘制像这样的图：http : //onlinecourses.science.psu.edu/stat557/node/55

谢谢。

r logistic

— 用户名
source

该图的链接已死。

— Nick Stauner

Answers:

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(...)
       })

替代文字

我必须指出，此处会出现完美的分离，因此该glm功能会向您发出警告。但这在这里并不重要，因为目的是说明如何绘制线性边界和根据其协变量着色的观测值。

— 孙酷
source

我希望我不是老土，如果我用格子:-)

— suncoolsu

我也希望，如果这是硬件问题，您将不会简单地复制粘贴。

— suncoolsu 2011年

谢谢。这不是硬件问题，答案对我理解模型很有帮助。

— user2755 2011年

哦，是的，你是:)

— mpiktas 2011年

有人可以向我解释斜坡和拦截背后的逻辑吗？（关于后勤模型）

— 费尔南多

想要在上面对费尔南多的已接受答案的评论中回答这个问题：有人可以解释斜坡和拦截背后的逻辑吗？

物流回归的假设采用以下形式：

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

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

以上是决策边界，可以重新安排为：

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

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

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

— 安迪
source

上面的答案附有很好的解释！

— 奥古斯丁2015年