在R？中使用石灰预测logit模型？

因此，我试图用莱姆来理解R中logit模型的预测。我知道我不“需要”，但我试图说明它对一个可以简单理解为演示起点的模型的作用

但是我很难让它工作。我确信这是由于model.predict方面的原因，但我的几个解决方案都不起作用

基本上我想做的是：

model.logit <- glm(formula = formula, data = build.dat, family = binomial(link = "logit"))


train.x <- build.dat[ , all.vars(formula[[3]])] 
test.x <- reject.dat[1:100, all.vars(formula[[3]])]

explainer <- lime(train.x, as_classifier(model.logit ), n_bins = 20, quantile_bins = TRUE)

explain.me <- lime::explain(test.x[2 , ], explainer, n_labels = 1, n_features = 8, n_permutations = 5000, 
                        feature_select = "forward_selection", type = "response" )

但是在“lime”代码中移动我的“type=“response””并不能解决这个问题

我曾尝试创建一个函数“predict_model.glm”，我认为这可能会纠正这一点，因为我在使用randomForest并使其正常工作时，我的想法是：

predict_model.glm <- function(x, newdata, type = "response" ) {
res <- as.data.frame(c(predict(x, newdata = newdata, type = type), 1-predict(x, newdata = newdata, type = type)))

}

---

predict\u model.glm您必须在
predict\u model.glm
中转换predict的输出。作为第一步，我建议打印
类型
和调用
预测
结果的第一行。根据传入的类型，对glm的调用和返回的结果将不同-
？predict_model
提示：对于“raw”，它是单个res；对于“prob”，它是概率（或者对于真正的线性模型：数字结果）

总的来说，就我（希望）理解您的情况而言，类似的功能可能会让您前进一步：

predict_model.glm <- function(x, newdata, type, ...) { 
  print(type)
  res <- predict(x, newdata);
  print(res[1])
  data.frame(Response = res)
}

predict_model.glm以便更新。我发现，如果我在函数“predict_model.glmHowever”中直接调用“type=”response“，”这个错误就解决了。不过，现在内部使用的glm.fit函数似乎不喜欢我的预测，我得到了：glm.fit中的错误（x=x_fit，y=y，weights=weights，family=gaussian（））：V（mu）中的NAs。我试图通过在“predict_model.glm”中更改数据框中的输出格式来解决这个问题，但似乎无法解决这个问题。我有一个“model_type.glm”
predict_model.glm <- function(x, newdata, type, ...) { 
  print(type)
  res <- predict(x, newdata);
  print(res[1])
  data.frame(Response = res)
}