java predict 函数,理解R中的predict（）

我正在阅读R中的predict()并感到困惑：

有一个数据集Spam，我们使用随机抽样从中创建了一个列车数据和测试数据 . 我们使用了trainSpam(训练数据集来训练系统) . 我们希望通过测试测试数据集(testSpam)来了解模型的优异程度 .

predictionModel = glm(numType ~ charDollar, family = "binomial", data = trainSpam)

predictionTest = predict(predictionModel, testSpam)

predictedSpam = rep("nonspam", dim(testSpam)[1])

predictedSpam[predictionModel$fitted > 0.5] = "spam" #Here is my problem

table(predictedSpam, testSpam$type)

在我们说的行：

predictedSpam[predictionModel$fitted > 0.5] = "spam"

predictionModel$fitted 如何预测测试数据中的垃圾邮件 . 它似乎使用了训练数据中的predictionModel $ . 然后我们继续比较测试数据的垃圾邮件 . 谁能解释一下？

这是我的理解 . 在线：

predictionModel = glm(numType~charDollar，family =“binomial”，data = trainSpam)

我们使用trainSpam数据创建模型 .

在下一行：

predictionTest = predict(predictionModel，testSpam)

我们使用相同的模型但测试数据创建predictionTest .

在下一行：

predictSpam = rep(“nonspam”，dim(testSpam)[1])

我们创建了一个所有值为“nonspam”的向量

在下一行：

predictSpam [predictionModel $ fit> 0.5] =“垃圾邮件”

我们正在使用predictModel $ fitting，它已经安装在训练数据上，以决定哪些行被归类为垃圾邮件 . 我们不应该使用像PredictionTest这样的东西来识别垃圾邮件吗？

我对它应该是什么的想法是：

> predictionModel = glm(numType ~ charDollar, family = "binomial", data = trainSpam)

> predictionTest = predict(predictionModel, testSpam,type="response")

> predictedSpam = rep("nonspam", dim(testSpam)[1])

> predictedSpam[predictionTest > 0.5] = "spam"

> table(predictedSpam, testSpam$type)