如何为分类变量编写自己的预测函数？

Question

我正在尝试为逻辑回归编写自己的predict（）函数，以更好地理解其功能。现在我已经想出如何为名义数据编写自己的预测函数。但是，当涉及到分类数据时，我正在努力：即，我想输入own_predict_function(object, newdata = data.frame(are = 400, gpa = 2.5, rank = '4'))并获得结果。在此示例中，rank是具有级别1,2,3,4的分类变量。

我已经构建了自己的逻辑回归，为y ~ gre + gpa + rank提供了以下输出

如果我使用内置函数predict（），我只需要对变量rank进行因式分解，然后内置函数自动知道predict(object, new data = data.frame(rank = "4"))对应于rank4的回归系数。您对如何为此编写自己的代码有什么建议/暗示吗？我非常感谢你的帮助。

Answer 1

newdata = data.frame( gre= 300, gpa = 2, rank = "2")

newdata$rank <- factor(newdata$rank, levels = 1:4)
mat <- model.matrix(~ gre + gpa + rank, newdata)
mat

对我来说，下面的代码生成了正确的矩阵，这样我就可以将它与系数相乘并计算线性预测值。