R语言绘制逻辑回归预测概率折线显示异常问题咨询

模拟数据生成 #

n = 1e3
x = rnorm(n)
linear_process = 1 + 5*x
y = rbinom(n = n, size = 1, prob = plogis(linear_process))
plot(x,y)

模型拟合 #

m = glm(y~x, family = binomial(link = 'logit'))
y_hat = predict(m, type = 'response')

不同绘图方式的效果差异 #

• 用散点叠加预测值，效果符合预期：

plot(x,y)
points(x,y_hat, col = 'blue')

• 直接用折线连接预测值，出现异常错乱图形：

plot(x,y)
lines(x,y_hat, col = 'blue')

predict()函数的使用完全正确，异常来自lines()函数的绘图逻辑：
lines()属于R基础绘图函数，不会自动对输入的x坐标做排序，只会严格按照向量的原始存储顺序，依次连接相邻的两个(x,y)坐标点。
你代码中的x是rnorm()生成的随机数，本身是无规律乱序的，对应的预测值y_hat也和原始乱序x一一对应。直接调用lines()时，连线会在不同x位置的预测点之间来回跳转，最终形成错乱的锯齿状图形。而points()只负责在对应坐标位置画点，不存在连点逻辑，因此散点叠加的效果完全正常。

方案1：对原始坐标排序后连线 #

适合快速修正，直接基于现有预测值绘图：

plot(x, y)
# 获取x从小到大排序的索引
ord <- order(x)
# 按排序后的坐标连线
lines(x[ord], y_hat[ord], col = 'blue', lwd = 2)

方案2：生成有序网格点预测后绘图（更推荐） #

生成覆盖x取值范围的等间距有序x序列做预测，画出的拟合曲线更平滑规整，更适合展示模型拟合效果：

plot(x, y)
# 生成100个等间距分布的x点
x_new <- seq(min(x), max(x), length.out = 100)
# 对新x值做预测
y_hat_new <- predict(m, newdata = data.frame(x = x_new), type = 'response')
lines(x_new, y_hat_new, col = 'blue', lwd = 2)

内容的提问来源于stack exchange，提问作者invictus