如何保存GLM预测模型且不附带原始数据集以保护隐私？

当然可行！你遇到的问题是因为R的glm模型对象默认会保留训练时用到的原始数据相关组件（比如model和data字段），不过我们可以通过简单的处理来移除这些敏感信息，同时完全保留模型的核心预测能力。

下面是具体的实现方法：

方法1：手动移除模型中的原始数据组件 #

训练完模型后，直接删除模型对象里存储原始数据的字段，再保存模型：

# 训练模型
F10y <- glm(F10 ~ age + sex + bmi, data=discovery1, family=binomial(link="logit"))
summary(F10y)

# 移除包含原始数据的组件（这些组件对后续预测无影响）
F10y$model <- NULL
F10y$data <- NULL

# 保存处理后的模型
save(F10y, file = "F10y1.rda")

方法2：使用saveRDS()保存简化后的模型 #

saveRDS()适合保存单个对象，相比save()更简洁，同样配合移除数据组件的操作：

# 训练模型
F10y <- glm(F10 ~ age + sex + bmi, data=discovery1, family=binomial(link="logit"))

# 移除敏感数据组件
F10y$model <- NULL
F10y$data <- NULL

# 保存模型
saveRDS(F10y, file = "F10y1.rds")

# 加载模型时使用readRDS()
loaded_model <- readRDS("F10y1.rds")

验证效果 #

加载处理后的模型后，你可以检查loaded_model$model和loaded_model$data，会发现它们都是NULL，说明原始数据集没有被保存。同时测试预测功能，确保模型正常工作：

# 构造测试用的新数据
new_data <- data.frame(age=50, sex="male", bmi=25)
# 预测概率
predict(loaded_model, newdata=new_data, type="response")

关键说明 #

移除model和data组件不会影响模型的预测能力——模型预测只依赖训练得到的系数、链接函数、分布族等核心参数，原始数据只是训练过程中的临时输入，训练完成后不需要保留在模型对象中。

内容的提问来源于stack exchange，提问作者Silv