glm.probs=predict(glm.fit,type = "response") glm.probs[1:10] contrasts(lable)

您的问题是关于 R 语言中的逻辑回归模型的预测和对分类变量进行对比的方法。下面是回答：

在 R 语言中，使用逻辑回归模型 glm.fit 对数据进行拟合后，可以使用 predict 函数来进行预测。其中，参数 type = "response" 表示输出的结果为概率值，即预测为正例的概率。具体命令如下：

glm.probs = predict(glm.fit, type = "response")

这将返回一个向量 glm.probs，其中包含了每个观测值的预测概率。如果您想查看前 10 个观测值的预测概率，可以使用以下命令：

glm.probs[1:10]

另外，如果您想对分类变量进行对比，可以使用 contrasts 函数。具体命令如下：

contrasts(lable)

其中，lable 为需要进行对比的分类变量。这将返回一个矩阵，其中包含了该分类变量各个水平之间的对比结果。需要注意的是，这些命令的输出结果可能因为数据不同而有所不同。

相关问题

glm.pred=rep("Down",100) glm.pred[glm.probs>.5]="Up" table(glm.pred,lable) (11+46)/100 mean(glm.pred==lable)

根据您给出的代码，我可以解读出以下内容：

- 您使用了 glm 模型进行预测，并将预测结果存储在 glm.pred 变量中。
- 预测结果采用了二分类的形式，其中标签为 "Up" 的概率阈值为 0.5。
- 您使用了 table 函数来比较预测结果和真实标签的差异。
- 最后，您计算了预测结果和真实标签相等的比例。

根据您的提问，我并不清楚您想要什么样的回答。如果您希望我对代码进行解释或是提出一些建议，我可以帮您分析。

Warning messages: 1: glm.fit:算法没有聚合 2: glm.fit:拟合機率算出来是数值零或一

这两个警告信息都是关于使用广义线性模型（GLM）时可能出现的问题。

第一个警告信息 "glm.fit:算法没有聚合" 表示 GLM 模型在拟合数据时没有收敛，即算法无法找到最佳的参数估计值。这可能是因为数据存在过于复杂或不合理的模式，或者模型中使用的算法不够适合数据。

第二个警告信息 "glm.fit:拟合機率算出来是数值零或一" 表示 GLM 模型在拟合数据时得到的某些概率值为0或1，这可能导致模型的预测结果不准确。这通常是因为模型中使用的变量之间存在线性相关性或数据样本不够多而引起的。

为了解决这些问题，可以尝试使用其他的模型算法或者调整模型中的变量和参数等。