क्या आर फ़ंक्शन फिट() और भविष्यवाणी() के बीच कोई अंतर है?

Question

क्या fitted() और predict() के बीच कोई अंतर है? मैंने देखा है कि fitted() के साथ lme4 काम से मिश्रित मॉडल लेकिन predict() नहीं।

Answer 1

हाँ, वहां है। यदि link function प्रतिक्रिया के अपेक्षित मूल्य (जैसे कि पोइसन रिग्रेशन या लॉजिस्टिक रिग्रेशन के लिए लॉग इन के लिए लॉग) के लिए रैखिक भविष्यवाणियों से संबंधित है, predict से पहले लिंक फ़ंक्शन के विपरीत लागू करने के लिए (लौटने के लिए) प्रतिक्रिया चर के समान पैमाने पर डेटा), और fitted के बाद यह लागू होता है।

उदाहरण के लिए:

x = rnorm(10) 
y = rpois(10, exp(x)) 
m = glm(y ~ x, family="poisson") 

print(fitted(m)) 
#   1   2   3   4   5   6   7   8 
# 0.3668989 0.6083009 0.4677463 0.8685777 0.8047078 0.6116263 0.5688551 0.4909217 
#   9  10 
# 0.5583372 0.6540281 
print(predict(m)) 
#   1   2   3   4   5   6   7 
# -1.0026690 -0.4970857 -0.7598292 -0.1408982 -0.2172761 -0.4916338 -0.5641295 
#   8   9   10 
# -0.7114706 -0.5827923 -0.4246050 
print(all.equal(log(fitted(m)), predict(m))) 
# [1] TRUE 

इसका अर्थ यह रेखीय प्रतीपगमन (lm) द्वारा बनाई गई मॉडल के लिए है कि, वहाँ fitted और predict बीच कोई अंतर नहीं है।

व्यावहारिक शब्दों में, इसका मतलब है कि यदि आप मूल डेटा के साथ फिट की तुलना करना चाहते हैं, तो आपको fitted का उपयोग करना चाहिए।

Answer 2

fitted फ़ंक्शन मॉडल फिट करने के लिए उपयोग किए गए डेटा से जुड़े वाई-टोपी मान देता है। predict फ़ंक्शन भविष्यवाणियों के चर के एक नए सेट के लिए पूर्वानुमान देता है। यदि आप भविष्यवाणियों के चर के एक नए सेट को निर्दिष्ट नहीं करते हैं तो यह कुछ मॉडलों के लिए fitted के समान परिणाम देकर डिफ़ॉल्ट डेटा का उपयोग करेगा, लेकिन यदि आप मानों के नए सेट के लिए भविष्यवाणी करना चाहते हैं तो आपको predict की आवश्यकता है। predict फ़ंक्शन में अक्सर किस प्रकार की भविष्यवाणी वापस आती है, रैखिक भविष्यवाणियों, प्रतिक्रिया पैमाने पर परिवर्तित भविष्यवाणी, सबसे संभावित श्रेणी, मॉडल में प्रत्येक शब्द का योगदान इत्यादि।