当我使用glm拟合逻辑回归模型时，我可以指定type = "response"来获取预测的概率。
model <- glm(formula= vs ~ wt + disp, data=mtcars, family=binomial)newdata = data.frame(wt = 2.1, disp = 180)predict(model, newdata, type="response") 1 0.2361081 我正在试验一个新包RSSL中的逻辑回归函数。以下是一些示例代码（来自文档）
library(RSSL)set.seed(1)df <- generateSlicedCookie(1000,expected=FALSE) %>% add_missinglabels_mar(Class~.,0.98)class_lr <- LogisticRegression(Class~.,df,lambda = 0.01)df_test <- generateSlicedCookie(1000,expected=FALSE)predict(class_lr,df_test)对class_lr对象使用predict会给我类别标签。而使用predict(class_lr,df_test, type = "response")会导致错误。有没有办法让R输出预测的概率？
回答：
查看LogisticRegression的源代码，对于predict，它以对数几率比的形式计算预测并将其转换为概率，只返回类别，因此没有type="response"的选项：
setMethod("predict", signature(object="LogisticRegression"), function(object, newdata) {ModelVariables<-PreProcessingPredict(object@modelform,newdata,scaling=object@scaling,intercept=object@intercept) X<-ModelVariables$X w <- matrix(object@w, nrow=ncol(X)) expscore <- exp(cbind(rep(0,nrow(X)), X %*% w)) probabilities <- expscore/rowSums(expscore) # 如果我们需要返回类别 classes <- factor(apply(probabilities,1,which.max),levels=1:length(object@classnames), labels=object@classnames) return(classes)})与这个类相关联的另一个方法是posterior，你可以看到代码非常相似，它以exp形式返回概率：
setMethod("posterior", signature(object="LogisticRegression"), function(object,newdata) { ModelVariables<-PreProcessingPredict(modelform=object@modelform, newdata=newdata, y=NULL, scaling=object@scaling, intercept=object@intercept) X<-ModelVariables$X w <- matrix(object@w, nrow=ncol(X)) expscore <- exp(cbind(rep(0,nrow(X)), X %*% w)) posteriors <- expscore/rowSums(expscore) posteriors <- exp(posteriors) colnames(posteriors) <- object@classnames return(posteriors)})抱歉答案稍微有点长，如果你需要概率，你可以这样做：
probs = log(posterior(class_lr,df_test))第一列是第一类的概率，依此类推到第二列。要检查标签是否相似：
pred_labels = predict(class_lr,df_test)table(apply(probs,1,which.max) == as.numeric(pred_labels))TRUE 1000 