我在R中适合很多GLM。通常，我使用revoScaleR::rxGlm()是因为我处理大型数据集并使用非常复杂的模型公式-并且glm()不能应付。
过去，这些都基于泊松或伽马错误结构和对数链接功能。一切正常。
[今天，我正在尝试建立一个逻辑回归模型，这是我以前在R中从未做过的，我偶然发现了一个问题。我正在使用revoScaleR::rxLogit()，尽管revoScaleR::rxGlm()产生相同的输出-并具有相同的问题。
考虑此代表：
df_reprex <- data.frame(x = c(1, 1, 2, 2), # number of trials
y = c(0, 1, 0, 1)) # number of successes
df_reprex$p <- df_reprex$y / df_reprex$x # success rate
# overall average success rate is 2/6 = 0.333, so I hope the model outputs will give this number
glm_1 <- glm(p ~ 1,
family = binomial,
data = df_reprex,
weights = x)
exp(glm_1$coefficients[1]) / (1 + exp(glm_1$coefficients[1])) # overall fitted average 0.333 - correct
glm_2 <- rxLogit(p ~ 1,
data = df_reprex,
pweights = "x")
exp(glm_2$coefficients[1]) / (1 + exp(glm_2$coefficients[1])) # overall fitted average 0.167 - incorrect
第一次呼叫glm()会产生正确的答案。 rxLogit()的第二个呼叫没有。阅读rxLogit()：https://docs.microsoft.com/en-us/machine-learning-server/r-reference/revoscaler/rxlogit的文档，它指出“因变量必须为二进制”。
所以看起来rxLogit()需要我使用y作为因变量而不是p。但是，如果我运行
glm_2 <- rxLogit(y ~ 1,
data = df_reprex,
pweights = "x")
我得到了总体平均水平
exp(glm_2$coefficients[1]) / (1 + exp(glm_2$coefficients[1]))
代之以0.5，这也不是正确的答案。
有人知道我该如何解决吗？我需要在模型公式中使用offset()项，还是更改权重，或者...
（（通过使用revoScaleR包，我偶尔将自己画在这样的角落，因为似乎没有其他人使用它）
我在这里盲目飞行，因为我自己无法在RevoScaleR中进行验证-但是您会尝试发表评论吗？然后，我可以相应地编辑/删除此信息
如果因变量需要是二进制的，则必须扩展数据，以便每一行对应于每个1或0响应，然后在没有weights参数的glm调用中运行此扩展数据。
我试图通过在示例中向df_reprex贴上标签，然后制作一个相应的df_reprex_expanded来演示这一点，我知道这很不幸，因为您说要使用的数据已经很大。
[g0（C0）是否允许rxLogit表示，就像glm（）一样（我以cbind为例），因为那将允许数据保持相同的大小…从glm1b开始，我猜不是for rxLogit，但考虑到rxLogit page中的以下注意事项，rxGLM可能允许它：
公式通常由响应组成，在大多数RevoScaleR中函数可以是单个变量，也可以是多个变量组合使用cbind，“〜”运算符和一个或多个预测变量，通常用“ +”运算符分隔。 rxSummary函数通常需要一个没有响应的公式。
在下面的示例中，formula page或
glm_2b是否起作用？
glm_2c