请选择您所选的方法或公式。
拟合和预测值
要计算预测值，请对模型的链接函数求逆。逆函数位于下表中。
| 链接函数 | 预测公式 |
|---|---|
| Logit |  |
| Normit |  |
| Gompit |  |
表示法
| 项 | 说明 |
|---|---|
| exp(·) | 指数函数 |
| Φ(·) | 正态分布的累积分布函数 |
| x | 要预测的点的向量转置 |
 | 估计的系数的向量 |
拟合值和预测值的标准误
通常，拟合的标准误差具有以下形式：
以下公式给出了适合不同链接函数的标准误差：
- Logit
- Normit
- Gompit
请注意适用于表中公式的以下关系：
其中 
仅从训练数据，只有当有一个测试数据集进行验证时。
表示法
| 项 | 说明 |
|---|---|
 | 1, for the binomial and Poisson models |
| xi | the vector of a design point |
 | the transpose of xi |
| X | the design matrix |
| W | the weight matrix |
 | the first derivative of the link function evaluated at  |
 | the predicted mean response |
 | the predicted probability for the design point in a binary logistic model |
 | the inverse cumulative distribution function of the standard normal distribution for the predicted probability in a binary logistic model |
 | the probability density function of the standard normal distribution |
拟合和预测的置信限
置信限使用 Wald 近似法。这是 100(1 − α)% 双面置信区间的公式：
表示法
| 项 | 说明 |
|---|---|
 | 在 x 处估计的链接函数的逆 |
 |  |
 | 预测变量的向量转置 |
 | 估计的系数的向量 |
 | 在中估计的正态分布的逆累积分布函数的值  |
| α | 显著性水平 |
 |  |
| X | 设计矩阵 |
| W | 权重矩阵 |
 | 1，用于二项模型 |
