为什么我的 Logistic 正则化 glmnet 代码会得到 0 和 1 以外的概率？

如何解决为什么我的 Logistic 正则化 glmnet 代码会得到 0 和 1 以外的概率？

library(tidyverse)
library(caret)
library(glmnet)

creditdata <- read_excel("R bestanden/creditdata.xlsx")
df <- as.data.frame(creditdata)
df <- na.omit(df)
df$married <- as.factor(df$married)
df$graduate_school <- as.factor(df$graduate_school)
df$high_school <- as.factor(df$high_school)
df$default_payment_next_month <- as.factor(df$default_payment_next_month)
df$sex <- as.factor(df$sex)
df$single <- as.factor(df$single)
df$university <- as.factor(df$university)
set.seed(123)
training.samples <- df$default_payment_next_month %>% 




createDataPartition(p = 0.8,list = FALSE)
train.data  <- df[training.samples,]
test.data <- df[-training.samples,]
x <- model.matrix(default_payment_next_month~.,train.data)[,-1]
y <- ifelse(train.data$default_payment_next_month == 1,1,0)

cv.lasso <- cv.glmnet(x,y,alpha = 1,family = "binomial")
lasso.model <- glmnet(x,family = "binomial",lambda = cv.lasso$lambda.1se)
x.test <- model.matrix(default_payment_next_month ~.,test.data)[,-1]
probabilities <- lasso.model %>% predict(newx = x.test)
predicted.classes <- ifelse(probabilities > 0.5,"1","0")
observed.classes <- test.data$default_payment_next_month
mean(predicted.classes == observed.classes)

大家好，

我是 R 新手，我一直在尝试使用本网站 http://www.sthda.com/english/articles/36-classification-methods-essentials/149-penalized-logistic-regression-essentials-in-r-ridge-lasso-and-elastic-net/ 上的确切代码来执行逻辑岭回归。 我的目标是预测客户是否有信用卡违约，我们有一个包含因子变量和数值变量的数据集。问题是我的大多数概率都是负的并且小于 -1，所以 -2.6、-1.4 等等。有谁知道这里出了什么问题？

预先感谢您的帮助！

解决方法

就像 glm 一样，默认情况下 predict 的 glmnet 函数返回 predictions on the scale of the link function，这不是概率。

要获得预测概率，请将 type = "response" 添加到 predict 调用：

probabilities <- lasso.model %>% predict(newx = x.test,type = "response")