{"id":4440,"date":"2023-07-11T02:36:29","date_gmt":"2023-07-11T02:36:29","guid":{"rendered":"https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/"},"modified":"2023-07-11T02:36:29","modified_gmt":"2023-07-11T02:36:29","slug":"r-przewidywanie-regresji-logistycznej","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/","title":{"rendered":"Jak u\u017cywa\u0107 predict() z modelem regresji logistycznej w r"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Po dopasowaniu <a href=\"https:\/\/statorials.org\/pl\/regresja-logistyczna-1\/\" target=\"_blank\" rel=\"noopener\">modelu regresji logistycznej<\/a> w R mo\u017cemy u\u017cy\u0107 funkcji <strong>przewidywania(),<\/strong> aby przewidzie\u0107 warto\u015b\u0107 odpowiedzi nowej obserwacji, kt\u00f3rej model nigdy wcze\u015bniej nie widzia\u0142.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ta funkcja u\u017cywa nast\u0119puj\u0105cej sk\u0142adni:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>przewidywanie (obiekt, nowe dane, typ = \u201eodpowied\u017a\u201d)<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Z\u0142oto:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>obiekt:<\/strong> Nazwa modelu regresji logistycznej<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>newdata:<\/strong> nazwa nowej ramki danych, dla kt\u00f3rej maj\u0105 zosta\u0107 wykonane prognozy<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>type:<\/strong> typ przewidywania, kt\u00f3re ma zosta\u0107 wykonane<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Poni\u017cszy przyk\u0142ad pokazuje, jak w praktyce wykorzysta\u0107 t\u0119 funkcj\u0119.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Przyk\u0142ad: u\u017cycie funkcji Predict() z modelem regresji logistycznej w j\u0119zyku R<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">W tym przyk\u0142adzie u\u017cyjemy wbudowanego zbioru danych R o nazwie <a href=\"https:\/\/statorials.org\/pl\/zbior-danych-mtcars-r\/\" target=\"_blank\" rel=\"noopener\">mtcars<\/a> :<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#view first six rows of <em>mtcars<\/em> dataset<\/span>\nhead(mtcars)\n\n                   mpg cyl disp hp drat wt qsec vs am gear carb\nMazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4\nMazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4\nDatsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1\nHornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1\nHornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2\nValiant 18.1 6 225 105 2.76 3,460 20.22 1 0 3 1<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Dopasujemy nast\u0119puj\u0105cy model regresji logistycznej, w kt\u00f3rym wykorzystujemy zmienne <strong>disp<\/strong> i <strong>hp<\/strong> do przewidywania zmiennej odpowiedzi <strong>am<\/strong> (typ skrzyni bieg\u00f3w samochodu: 0 = automatyczna, 1 = r\u0119czna):<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#fit logistic regression model<\/span>\nmodel &lt;- glm(am ~ disp + hp, data=mtcars, family=binomial)\n\n<span style=\"color: #008080;\">#view model summary\n<\/span>summary(model)\n\nCall:\nglm(formula = am ~ disp + hp, family = binomial, data = mtcars)\n\nDeviance Residuals: \n    Min 1Q Median 3Q Max  \n-1.9665 -0.3090 -0.0017 0.3934 1.3682  \n\nCoefficients:\n            Estimate Std. Error z value Pr(&gt;|z|)  \n(Intercept) 1.40342 1.36757 1.026 0.3048  \navailable -0.09518 0.04800 -1.983 0.0474 *\nhp 0.12170 0.06777 1.796 0.0725 .\n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\n(Dispersion parameter for binomial family taken to be 1)\n\n    Null deviance: 43,230 on 31 degrees of freedom\nResidual deviance: 16,713 on 29 degrees of freedom\nAIC: 22,713\n\nNumber of Fisher Scoring iterations: 8\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Mo\u017cemy nast\u0119pnie utworzy\u0107 now\u0105 ramk\u0119 danych zawieraj\u0105c\u0105 informacje o o\u015bmiu samochodach, kt\u00f3rych model nigdy wcze\u015bniej nie widzia\u0142, i u\u017cy\u0107 funkcji <strong>przewidywania()<\/strong> , aby przewidzie\u0107 prawdopodobie\u0144stwo, \u017ce nowy samoch\u00f3d b\u0119dzie wyposa\u017cony w automatyczn\u0105 skrzyni\u0119 bieg\u00f3w (am=0) lub r\u0119czn\u0105 skrzyni\u0119 bieg\u00f3w ( rano =1):<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#define new data frame\n<span style=\"color: #000000;\">newdata = data. <span style=\"color: #3366ff;\">frame<\/span> (disp=c(200, 180, 160, 140, 120, 120, 100, 160),\n                     hp=c(100, 90, 108, 90, 80, 90, 80, 90),\n                     am=c(0, 0, 0, 1, 0, 1, 1, 1))\n\n<span style=\"color: #008080;\">#view data frame\n<\/span>newdata\n\n<span style=\"color: #008080;\">#use model to predict value of am for all new cars\n<\/span>newdata$am_prob &lt;- predict(model, newdata, type=\" <span style=\"color: #ff0000;\">response<\/span> \")\n\n<span style=\"color: #008080;\">#view updated data frame\n<\/span>newdata\n\n  disp hp am am_prob\n1 200 100 0 0.004225640\n2 180 90 0 0.008361069\n3 160 108 0 0.335916069\n4 140 90 1 0.275162866\n5 120 80 0 0.429961894\n6 120 90 1 0.718090728\n7 100 80 1 0.835013994\n8 160 90 1 0.053546152<\/span><\/span><\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Oto jak zinterpretowa\u0107 wynik:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Prawdopodobie\u0144stwo, \u017ce samoch\u00f3d 1 ma r\u0119czn\u0105 skrzyni\u0119 bieg\u00f3w, wynosi <strong>0,004<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Prawdopodobie\u0144stwo, \u017ce samoch\u00f3d 2 ma r\u0119czn\u0105 skrzyni\u0119 bieg\u00f3w, wynosi <strong>0,008<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Prawdopodobie\u0144stwo, \u017ce samoch\u00f3d 3 ma r\u0119czn\u0105 skrzyni\u0119 bieg\u00f3w, wynosi <strong>0,336<\/strong> .<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">I tak dalej.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Mo\u017cemy r\u00f3wnie\u017c u\u017cy\u0107 funkcji <strong>table()<\/strong> , aby utworzy\u0107 macierz zamieszania, kt\u00f3ra wy\u015bwietla rzeczywiste warto\u015bci am w por\u00f3wnaniu z warto\u015bciami przewidywanymi przez model:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#create vector that contains 0 or 1 depending on predicted value of am\n<span style=\"color: #000000;\">am_pred = rep(0, dim(newdata)[1])\nam_pred[newdata$am_prob &gt; .5] = 1\n\n<span style=\"color: #008080;\">#create confusion matrix\n<\/span>table(am_pred, newdata$am)\n\nam_pred 0 1\n      0 4 2\n      1 0 2\n<\/span><\/span><\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Na koniec mo\u017cemy u\u017cy\u0107 funkcji <strong>Mean()<\/strong> do obliczenia procentu obserwacji w nowej bazie danych, dla kt\u00f3rych model poprawnie przewidzia\u0142 warto\u015b\u0107 <strong>am<\/strong> :<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#calculate percentage of observations the model correctly predicted response value for\n<span style=\"color: #000000;\">mean(am_pred == newdata$am)\n\n[1] 0.75\n<\/span><\/span><\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Widzimy, \u017ce model poprawnie przewidzia\u0142 warto\u015b\u0107 <strong>am<\/strong> dla <strong>75%<\/strong> samochod\u00f3w w nowej bazie danych.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Dodatkowe zasoby<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w j\u0119zyku R:<\/span><\/p>\n<p> <a href=\"https:\/\/statorials.org\/pl\/prosta-regresja-liniowa-w-r\/\" target=\"_blank\" rel=\"noopener\">Jak wykona\u0107 prost\u0105 regresj\u0119 liniow\u0105 w R<\/a><br \/> <a href=\"https:\/\/statorials.org\/pl\/wielokrotna-regresja-liniowa-r\/\" target=\"_blank\" rel=\"noopener\">Jak wykona\u0107 wielokrotn\u0105 regresj\u0119 liniow\u0105 w R<\/a><br \/> <a href=\"https:\/\/statorials.org\/pl\/regresja-wielomianowa-r\/\" target=\"_blank\" rel=\"noopener\">Jak wykona\u0107 regresj\u0119 wielomianow\u0105 w R<\/a><br \/> <a href=\"https:\/\/statorials.org\/pl\/przedzia\u0142-przewidywania-r\/\" target=\"_blank\" rel=\"noopener\">Jak utworzy\u0107 przedzia\u0142 przewidywania w R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Po dopasowaniu modelu regresji logistycznej w R mo\u017cemy u\u017cy\u0107 funkcji przewidywania(), aby przewidzie\u0107 warto\u015b\u0107 odpowiedzi nowej obserwacji, kt\u00f3rej model nigdy wcze\u015bniej nie widzia\u0142. Ta funkcja u\u017cywa nast\u0119puj\u0105cej sk\u0142adni: przewidywanie (obiekt, nowe dane, typ = \u201eodpowied\u017a\u201d) Z\u0142oto: obiekt: Nazwa modelu regresji logistycznej newdata: nazwa nowej ramki danych, dla kt\u00f3rej maj\u0105 zosta\u0107 wykonane prognozy type: typ przewidywania, [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-4440","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Jak u\u017cywa\u0107 funkcji przewidywania () z modelem regresji logistycznej w R \u2014 Statologia<\/title>\n<meta name=\"description\" content=\"W tym samouczku wyja\u015bniono, jak tworzy\u0107 prognozy dotycz\u0105ce nowych danych przy u\u017cyciu modelu regresji logistycznej w j\u0119zyku R, podaj\u0105c przyk\u0142ad.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/\" \/>\n<meta property=\"og:locale\" content=\"pl_PL\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Jak u\u017cywa\u0107 funkcji przewidywania () z modelem regresji logistycznej w R \u2014 Statologia\" \/>\n<meta property=\"og:description\" content=\"W tym samouczku wyja\u015bniono, jak tworzy\u0107 prognozy dotycz\u0105ce nowych danych przy u\u017cyciu modelu regresji logistycznej w j\u0119zyku R, podaj\u0105c przyk\u0142ad.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-11T02:36:29+00:00\" \/>\n<meta name=\"author\" content=\"Benjamin Anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Napisane przez\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin Anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Szacowany czas czytania\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 minuty\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/\",\"url\":\"https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/\",\"name\":\"Jak u\u017cywa\u0107 funkcji przewidywania () z modelem regresji logistycznej w R \u2014 Statologia\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/pl\/#website\"},\"datePublished\":\"2023-07-11T02:36:29+00:00\",\"dateModified\":\"2023-07-11T02:36:29+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965\"},\"description\":\"W tym samouczku wyja\u015bniono, jak tworzy\u0107 prognozy dotycz\u0105ce nowych danych przy u\u017cyciu modelu regresji logistycznej w j\u0119zyku R, podaj\u0105c przyk\u0142ad.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/#breadcrumb\"},\"inLanguage\":\"pl-PL\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Dom\",\"item\":\"https:\/\/statorials.org\/pl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Jak u\u017cywa\u0107 predict() z modelem regresji logistycznej w r\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/pl\/#website\",\"url\":\"https:\/\/statorials.org\/pl\/\",\"name\":\"Statorials\",\"description\":\"Tw\u00f3j przewodnik po kompetencjach statystycznych!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/pl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"pl-PL\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965\",\"name\":\"Benjamin Anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pl-PL\",\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin Anderson\"},\"description\":\"Cze\u015b\u0107, jestem Benjamin i jestem emerytowanym profesorem statystyki, kt\u00f3ry zosta\u0142 oddanym nauczycielem Statorials. Dzi\u0119ki bogatemu do\u015bwiadczeniu i wiedzy specjalistycznej w dziedzinie statystyki ch\u0119tnie dziel\u0119 si\u0119 swoj\u0105 wiedz\u0105, aby wzmocni\u0107 pozycj\u0119 uczni\u00f3w za po\u015brednictwem Statorials. Wiedzie\u0107 wi\u0119cej\",\"sameAs\":[\"https:\/\/statorials.org\/pl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Jak u\u017cywa\u0107 funkcji przewidywania () z modelem regresji logistycznej w R \u2014 Statologia","description":"W tym samouczku wyja\u015bniono, jak tworzy\u0107 prognozy dotycz\u0105ce nowych danych przy u\u017cyciu modelu regresji logistycznej w j\u0119zyku R, podaj\u0105c przyk\u0142ad.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/","og_locale":"pl_PL","og_type":"article","og_title":"Jak u\u017cywa\u0107 funkcji przewidywania () z modelem regresji logistycznej w R \u2014 Statologia","og_description":"W tym samouczku wyja\u015bniono, jak tworzy\u0107 prognozy dotycz\u0105ce nowych danych przy u\u017cyciu modelu regresji logistycznej w j\u0119zyku R, podaj\u0105c przyk\u0142ad.","og_url":"https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/","og_site_name":"Statorials","article_published_time":"2023-07-11T02:36:29+00:00","author":"Benjamin Anderson","twitter_card":"summary_large_image","twitter_misc":{"Napisane przez":"Benjamin Anderson","Szacowany czas czytania":"3 minuty"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/","url":"https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/","name":"Jak u\u017cywa\u0107 funkcji przewidywania () z modelem regresji logistycznej w R \u2014 Statologia","isPartOf":{"@id":"https:\/\/statorials.org\/pl\/#website"},"datePublished":"2023-07-11T02:36:29+00:00","dateModified":"2023-07-11T02:36:29+00:00","author":{"@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965"},"description":"W tym samouczku wyja\u015bniono, jak tworzy\u0107 prognozy dotycz\u0105ce nowych danych przy u\u017cyciu modelu regresji logistycznej w j\u0119zyku R, podaj\u0105c przyk\u0142ad.","breadcrumb":{"@id":"https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/#breadcrumb"},"inLanguage":"pl-PL","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/pl\/r-przewidywanie-regresji-logistycznej\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Dom","item":"https:\/\/statorials.org\/pl\/"},{"@type":"ListItem","position":2,"name":"Jak u\u017cywa\u0107 predict() z modelem regresji logistycznej w r"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/pl\/#website","url":"https:\/\/statorials.org\/pl\/","name":"Statorials","description":"Tw\u00f3j przewodnik po kompetencjach statystycznych!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/pl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"pl-PL"},{"@type":"Person","@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965","name":"Benjamin Anderson","image":{"@type":"ImageObject","inLanguage":"pl-PL","@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","caption":"Benjamin Anderson"},"description":"Cze\u015b\u0107, jestem Benjamin i jestem emerytowanym profesorem statystyki, kt\u00f3ry zosta\u0142 oddanym nauczycielem Statorials. Dzi\u0119ki bogatemu do\u015bwiadczeniu i wiedzy specjalistycznej w dziedzinie statystyki ch\u0119tnie dziel\u0119 si\u0119 swoj\u0105 wiedz\u0105, aby wzmocni\u0107 pozycj\u0119 uczni\u00f3w za po\u015brednictwem Statorials. Wiedzie\u0107 wi\u0119cej","sameAs":["https:\/\/statorials.org\/pl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts\/4440","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/comments?post=4440"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts\/4440\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/media?parent=4440"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/categories?post=4440"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/tags?post=4440"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}