R如何快速獲得邏輯迴歸的決策邊界

Question

我們知道如何繪製邏輯迴歸和其他分類器方法的決策邊界，但是我對一個圖不感興趣;而是我想要的是二項式預測值的確切值.50。

例如：

train=data.frame(1:20) 
train$response=rep(1:0,10) 
model=glm(response ~ poly(X1.20, 2), data=train, family=binomial) 


train$X1.20[1]=10.5 
predict(model, train[1,], type="response") 

葉我10.5判定邊界，我可以通過試驗和誤差與預測（）函數找到，這意味着10.5爲獨立變量的值給出的響應恰好.50。有沒有一種自動化的方式來找到什麼值會給出.50的迴應？

Answer 1

您應該使用logit模型中預測的零值意味着響應概率爲0.5的事實。因此，您可以嘗試找到一個值x，使預測值儘可能接近零。這裏deviationFromZero()發現給定值爲x的模型的預測值從零到多遠。

df <- data.frame(x = 1:20, response = rep(1:0, 10)) 
model <- glm(response ~ poly(x, 2), data = df, family = binomial) 
deviationFromZero <- function(y) abs(predict(model, data.frame(x = y))) 
boundary <- optimize(f = deviationFromZero, interval = range(df$x)) 

boundary 
$minimum 
[1] 10.5 

$objective 
      1 
1.926772e-16