我正在使用来自Kaggle的Titanic数据集，并希望学习一个简单的逻辑回归模型。

我读取了训练和测试数据，train$Survived、train$Sex、test$Survived和test$Sex都是因子类型。

我想执行一个非常简单的逻辑回归，仅以Sex作为独立变量。

fit <- glm(formula = Survived ~ Sex, family = binomial)

看起来似乎没问题：

> fitCall:  glm(formula = Survived ~ Sex, family = binomial)Coefficients:(Intercept)      Sexmale        1.057       -2.514  Degrees of Freedom: 890 Total (i.e. Null);  889 ResidualNull Deviance:      1187 Residual Deviance: 917.8    AIC: 921.8

问题是，我无法将这个学习到的模型应用于测试数据。当我执行以下操作时：

predict(fit, train$Sex)

我得到一个包含891个值的向量，这与训练集中训练样本的数量一致。

我似乎找不到任何关于如何正确操作的信息。

任何帮助都将不胜感激！

回答：

我发布这个回答是为了纠正一些似乎被混淆的观点。实际上并没有所谓的predict函数。正如帮助页面所说，“predict”是“通用函数”。有时通用函数确实有fun.default方法，但在predict.*的情况下，没有默认方法。因此，调度是基于第一个参数的类。每个方法都有单独的帮助页面，“predict”的帮助页面列出了几个。包作者需要为新类编写自己的预测方法。

逻辑回归早于机器学习范式，因此期望它“预测类别”有些不现实。即使你能得到“响应”预测，这也是30年前我们上回归课时软件所能提供的额外功能。一个需要理解的是，概率通常不是0或1，而是在两者之间。如果用户想要设定一个阈值并确定有多少案例超过该阈值，那是分析师的决定，分析师需要进行他们认为有价值的任何转换到类别。

执行：predict(fit, train$Sex)预计会得到一个结果，其长度与训练集中的值一样长，所以我猜你可能本来想尝试predict(fit, test$Sex)，但感到失望。如果是这种情况，那么应该使用：predict(fit, list(Sex=test$Sex) )。R需要参数是一个可以强制转换为数据框的值，因此命名值列表是predict函数的最低要求。

如果predict.glm接收到第二个参数newdata的格式错误的参数，它会回退到原始数据参数，并使用模型对象中保留的线性预测器。