tidymodels 解释中的 logistic_reg() 估计似乎将不正确的类别预测为积极结果

Question

我正在使用 tidymodels 使用 Palmer's Penguins 数据集开发逻辑回归。

我相信

female

应该是参考类，因为它是我的结果变量的第一级，因此模型的积极结果应该

female

.

当我建立模型时，系数估计似乎表明

bill_depth_mm

和

bill_length_mm

的增加导致成为女性的可能性增加，但绘制时相反的关系似乎是真实的。

所以这会让我相信

male

是模型的预测结果，但是在计算

specificity

和

sensitivity

时，它将

female

结果视为真正的积极结果。同样，ROC 图需要参考水平作为

female

结果的预测可能性。

为什么看起来模型输出的估计是相反的？ tidymodels 中是否有一个选项来指定估计应该与什么相关？甚至确认估计值与什么有关？

或者我对模型的理解不正确而这些估计是正确的——喙长度和深度的增加确实增加了企鹅是雌性的可能性？

penguins <- read_csv("Data/penguins.csv")

penguins <- penguins %>% 
  mutate(sex = factor(sex))

set.seed(57475)
penguins_splits <- initial_split(penguins,
                                 strata = sex)

penguins_training <- training(penguins_splits) 
penguins_testing <- testing(penguins_splits)

penguins_recipe <- recipe(sex ~ ., data = penguins_training) %>% 
  step_naomit(all_predictors()) %>%
  step_rm(rowid, skip = TRUE) %>%
  step_string2factor(all_nominal_predictors()) %>%
  step_mutate(year = factor(year)) %>%
  step_dummy(all_nominal_predictors())


logistic_model <- logistic_reg() %>% 
  set_engine("glm") %>%
  set_mode("classification")

logistic_wf <- workflow() %>% 
  add_model(logistic_model) %>% 
  add_recipe(penguins_recipe)

logistic_fit <- logistic_wf %>%
  fit(data = penguins_training)

logistic_fit %>%
  pull_workflow_fit %>%
  tidy()

ggplot(penguins_training, aes(x = bill_length_mm, colour = sex)) +
  geom_boxplot()

模型对象的输出

> logistic_fit %>%
+   pull_workflow_fit %>%
+   tidy()
# A tibble: 11 x 5
   term               estimate std.error statistic      p.value
   <chr>                 <dbl>     <dbl>     <dbl>        <dbl>
 1 (Intercept)       -76.7      13.7        -5.58  0.0000000237
 2 bill_length_mm      0.831     0.176       4.72  0.00000238  
 3 bill_depth_mm       1.53      0.391       3.91  0.0000913   
 4 flipper_length_mm  -0.0290    0.0611     -0.474 0.635       
 5 body_mass_g         0.00593   0.00132     4.49  0.00000724  
 6 species_Chinstrap  -9.17      2.06       -4.45  0.00000843  
 7 species_Gentoo     -8.82      3.22       -2.74  0.00608     
 8 island_Dream        0.874     0.968       0.903 0.367       
 9 island_Torgersen   -0.237     0.974      -0.243 0.808       
10 year_X2008         -0.239     0.701      -0.341 0.733       
11 year_X2009         -0.762     0.736      -1.04  0.300