如何在 R 中绘制逻辑回归曲线？

在 R 中，我们可以使用 glm() 函数来拟合逻辑回归模型，并使用 ggplot2 包中的 geom_line() 函数来绘制逻辑回归曲线。

1. 准备数据

首先，我们需要准备一个包含自变量（X）和因变量（Y）的数据集。例如，我们可以使用 mtcars 数据集中的 mpg 和 am 变量来演示：

data(mtcars)

df <- data.frame(mpg = mtcars$mpg, am = factor(mtcars$am, levels = c(0, 1)))

将 am 变量转换为因子变量，并将其水平命名为 0 和 1。

2. 拟合逻辑回归模型

接下来，我们可以使用 glm() 函数来拟合逻辑回归模型：

model <- glm(am ~ mpg, data = df, family = "binomial")

此处，我们将 am 作为因变量，mpg 作为自变量，使用 binomial 分布来表示响应变量的二元分类。

3. 预测概率

使用 predict() 函数可以通过刚刚拟合的模型预测响应变量概率：

df$prob <- predict(model, type = "response")

将预测得到的概率存储在数据框的 prob 列。

4. 绘制逻辑回归曲线

最后，我们可以使用 ggplot2 包中的 geom_line() 函数来绘制逻辑回归曲线：

library(ggplot2)

ggplot(df, aes(x = mpg, y = prob)) +
  geom_point(aes(color = am)) +
  geom_line() +
  labs(title = "Logistic Regression Curve", x = "mpg", y = "Probability") +
  scale_color_discrete(name = "am", labels = c("Auto", "Manual"))

这里，我们使用 ggplot() 函数创建一个默认设置的绘图对象，并指定 x 和 y 坐标。然后，将 mpg 和 prob 分别映射到 x 和 y 坐标上。

使用 geom_point() 函数添加原始数据点的散点图，并使用 color 参数根据 am 变量的值分配颜色。

然后，使用 geom_line() 函数添加逻辑回归曲线，没有添加任何参数，因为 geom_line() 函数默认生成连续的折线。

使用 labs() 函数和 scale_color_discrete() 函数设置标题和标签。

最终，我们可以得到如下的逻辑回归曲线图像：

这就是在 R 中绘制逻辑回归曲线的过程。我们可以通过修改数据集、参数或其他可选项来调整曲线图的外观或功能。