<\/p>\n
Pesan peringatan yang mungkin Anda temui di R adalah:<\/span><\/p>\n Peringatan ini terjadi ketika Anda menyesuaikan model regresi logistik dan prediksi probabilitas dari satu atau lebih observasi di database Anda tidak dapat dibedakan dari 0 atau 1.<\/span><\/p>\n Harap dicatat bahwa ini adalah pesan peringatan<\/strong> dan bukan kesalahan. Meskipun Anda menerima kesalahan ini, model regresi logistik Anda akan tetap sesuai, namun mungkin berguna untuk menganalisis kerangka data asli untuk melihat apakah ada outlier yang menyebabkan pesan peringatan ini muncul.<\/span><\/p>\n Tutorial ini menjelaskan cara menangani pesan peringatan ini dalam praktiknya.<\/span><\/p>\n Misalkan kita memasukkan model regresi logistik ke kerangka data berikut di R:<\/span><\/p>\n Model regresi logistik kami berhasil menyesuaikan data, namun kami menerima pesan peringatan yang menyesuaikan probabilitas secara numerik menjadi 0 atau 1<\/strong> .<\/span><\/p>\n Jika kita menggunakan model regresi logistik yang sesuai untuk membuat prediksi tentang nilai respons observasi di database asli, kita dapat melihat bahwa hampir semua probabilitas yang diprediksi tidak dapat dibedakan dari 0 dan 1:<\/span><\/p>\n Ada tiga cara untuk menangani pesan peringatan ini:<\/span><\/p>\n (1) Abaikan saja.<\/strong><\/span><\/p>\n Dalam beberapa kasus, Anda dapat mengabaikan pesan peringatan ini karena pesan ini tidak selalu menunjukkan bahwa ada masalah dengan model regresi logistik. Ini berarti bahwa satu atau lebih observasi dalam kerangka data memiliki nilai prediksi yang tidak dapat dibedakan dari 0 atau 1.<\/span><\/p>\n (2) Meningkatkan ukuran sampel.<\/strong><\/span><\/p>\n Dalam kasus lain, pesan peringatan ini muncul ketika bekerja dengan blok data kecil yang datanya tidak cukup untuk memberikan kecocokan model yang andal. Untuk memperbaiki kesalahan ini, cukup tingkatkan ukuran sampel observasi yang Anda masukkan ke dalam model.<\/span><\/p>\n (3) Hapus outlier.<\/strong><\/span><\/p>\n Dalam kasus lain, kesalahan ini terjadi ketika terdapat outlier dalam database asli dan hanya sejumlah kecil observasi yang memiliki probabilitas mendekati 0 atau 1. Dengan menghilangkan outlier tersebut, pesan peringatan sering kali hilang.<\/span><\/p>\n Tutorial berikut menjelaskan cara menangani peringatan dan kesalahan lainnya di R:<\/span><\/p>\n Cara memperbaiki di R: Rumus template tidak valid di ExtractVars Pesan peringatan yang mungkin Anda temui di R adalah: Warning message: glm.fit: fitted probabilities numerically 0 or 1 occurred Peringatan ini terjadi ketika Anda menyesuaikan model regresi logistik dan prediksi probabilitas dari satu atau lebih observasi di database Anda tidak dapat dibedakan dari 0 atau 1. Harap dicatat bahwa ini adalah pesan peringatan dan bukan […]<\/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
Cara mereproduksi peringatan tersebut<\/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 Bagaimana menangani peringatan tersebut<\/strong><\/span><\/h3>\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara memperbaikinya di R: argumen bukan numerik atau logis: return na<\/a>
Cara memperbaiki: randomForest.default(m, y, \u2026): Na\/NaN\/Inf dalam panggilan fungsi asing<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"