<\/p>\n
Eine Warnmeldung, die in R auftreten kann, ist:<\/span><\/p>\n Diese Warnung tritt auf, wenn Sie ein logistisches Regressionsmodell anpassen und die vorhergesagten Wahrscheinlichkeiten einer oder mehrerer Beobachtungen in Ihrer Datenbank nicht von 0 oder 1 unterschieden werden k\u00f6nnen.<\/span><\/p>\n Bitte beachten Sie, dass es sich hierbei um eine Warnmeldung<\/strong> und nicht um einen Fehler handelt. Selbst wenn Sie diese Fehlermeldung erhalten, passt Ihr logistisches Regressionsmodell immer noch. Es kann jedoch hilfreich sein, den urspr\u00fcnglichen Datenrahmen zu analysieren, um festzustellen, ob Ausrei\u00dfer vorhanden sind, die diese Warnmeldung anzeigen.<\/span><\/p>\n In diesem Tutorial erfahren Sie, wie Sie in der Praxis mit dieser Warnmeldung umgehen.<\/span><\/p>\n Angenommen, wir passen ein logistisches Regressionsmodell an den folgenden Datenrahmen in R an:<\/span><\/p>\n Unser logistisches Regressionsmodell passt die Daten erfolgreich an, wir erhalten jedoch eine Warnmeldung, die die Wahrscheinlichkeiten numerisch auf 0 oder 1 anpasst<\/strong> .<\/span><\/p>\n Wenn wir das angepasste logistische Regressionsmodell verwenden, um Vorhersagen \u00fcber den Antwortwert von Beobachtungen in der Originaldatenbank zu treffen, k\u00f6nnen wir sehen, dass fast alle vorhergesagten Wahrscheinlichkeiten nicht von 0 und 1 zu unterscheiden sind:<\/span><\/p>\n Es gibt drei M\u00f6glichkeiten, mit dieser Warnmeldung umzugehen:<\/span><\/p>\n (1) Ignoriere es.<\/strong><\/span><\/p>\n In manchen F\u00e4llen k\u00f6nnen Sie diese Warnmeldung einfach ignorieren, da sie nicht unbedingt darauf hinweist, dass ein Problem mit dem logistischen Regressionsmodell vorliegt. Dies bedeutet einfach, dass eine oder mehrere Beobachtungen im Datenrahmen vorhergesagte Werte aufweisen, die nicht von 0 oder 1 zu unterscheiden sind.<\/span><\/p>\n (2) Erh\u00f6hen Sie die Stichprobengr\u00f6\u00dfe.<\/strong><\/span><\/p>\n In anderen F\u00e4llen wird diese Warnmeldung angezeigt, wenn mit kleinen Datenbl\u00f6cken gearbeitet wird, f\u00fcr die einfach nicht gen\u00fcgend Daten vorhanden sind, um eine zuverl\u00e4ssige Modellanpassung zu erm\u00f6glichen. Um diesen Fehler zu korrigieren, erh\u00f6hen Sie einfach die Stichprobengr\u00f6\u00dfe der Beobachtungen, die Sie in das Modell einspeisen.<\/span><\/p>\n (3) Ausrei\u00dfer entfernen.<\/strong><\/span><\/p>\n In anderen F\u00e4llen tritt dieser Fehler auf, wenn in der Originaldatenbank Ausrei\u00dfer vorhanden sind und nur eine kleine Anzahl von Beobachtungen Wahrscheinlichkeiten nahe 0 oder 1 aufweist. Durch das Entfernen dieser Ausrei\u00dfer verschwindet die Warnmeldung h\u00e4ufig.<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie mit anderen Warnungen und Fehlern in R umgegangen wird:<\/span><\/p>\n So beheben Sie in R: Ung\u00fcltige Vorlagenformel in ExtractVars Eine Warnmeldung, die in R auftreten kann, ist: Warning message: glm.fit: fitted probabilities numerically 0 or 1 occurred Diese Warnung tritt auf, wenn Sie ein logistisches Regressionsmodell anpassen und die vorhergesagten Wahrscheinlichkeiten einer oder mehrerer Beobachtungen in Ihrer Datenbank nicht von 0 oder 1 unterschieden werden k\u00f6nnen. Bitte beachten Sie, dass es sich hierbei um […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Warning message:\nglm.fit: fitted probabilities numerically 0 or 1 occurred \n<\/strong><\/pre>\n
So reproduzieren Sie die Warnung<\/strong><\/h3>\n
#create data frame\ndf <- data. frame<\/span> (y = c(0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1),\n x1 = c(3, 3, 4, 4, 3, 2, 5, 8, 9, 9, 9, 8, 9, 9, 9),\n x2 = c(8, 7, 7, 6, 5, 6, 5, 2, 2, 3, 4, 3, 7, 4, 4))\n\n#fit logistic regression model\n<\/span>model <- glm(y ~ x1 + x2, data=df, family=binomial)\n\n#view model summary\n<\/span>summary(model)\n\nWarning message:\nglm.fit: fitted probabilities numerically 0 or 1 occurred \n\nCall:\nglm(formula = y ~ x1 + x2, family = binomial, data = df)\n\nDeviance Residuals: \n Min 1Q Median 3Q Max \n-1.729e-05 -2.110e-08 2.110e-08 2.110e-08 1.515e-05 \n\nCoefficients:\n Estimate Std. Error z value Pr(>|z|)\n(Intercept) -75.205 307338.933 0 1\nx1 13,309 28512,818 0 1\nx2 -2.793 37342.280 0 1\n\n(Dispersion parameter for binomial family taken to be 1)\n\n Null deviance: 2.0728e+01 on 14 degrees of freedom\nResidual deviance: 5.6951e-10 on 12 degrees of freedom\nAIC: 6\n\nNumber of Fisher Scoring iterations: 24<\/span><\/span><\/strong><\/span><\/pre>\n #use fitted model to predict response values\n<\/span>df$y_pred = predict(model, df, type=\" response<\/span> \")\n\n#view updated data frame\n<\/span>df\n\n y x1 x2 y_pred\n1 0 3 8 2.220446e-16\n2 0 3 7 2.220446e-16\n3 0 4 7 2.220446e-16\n4 0 4 6 2.220446e-16\n5 0 3 5 2.220446e-16\n6 0 2 6 2.220446e-16\n7 0 5 5 1.494599e-10\n8 1 8 2 1.000000e+00\n9 1 9 2 1.000000e+00\n10 1 9 3 1.000000e+00\n11 1 9 4 1.000000e+00\n12 1 8 3 1.000000e+00\n13 1 9 7 1.000000e+00\n14 1 9 4 1.000000e+00\n15 1 9 4 1.000000e+00<\/strong><\/span><\/pre>\n So gehen Sie mit der Warnung um<\/strong><\/span><\/h3>\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So beheben Sie das Problem in R: Das Argument ist weder numerisch noch logisch: Geben Sie na zur\u00fcck<\/a>
So beheben Sie Folgendes: randomForest.default(m, y, \u2026): Na\/NaN\/Inf im Aufruf einer Fremdfunktion<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"