MINI MINI MANI MO

%
% Copyright (c) 2012, 2014, Oracle and/or its affiliates. All rights reserved. 
%
\name{ore.predict-glm}
\alias{ore.predict-glm}
\alias{ore.predict,glm-method}
\title{
\code{\link[stats]{glm}} 모델을 사용한 Oracle R Enterprise 예측
}
\description{
\code{\link[stats]{glm}} 모델을 사용하여 예측을 생성하기 위한 Oracle R Enterprise
  메소드입니다.
}
\usage{
  \S4method{ore.predict}{glm}(object, newdata, type = c("link", "response"),
            se.fit = FALSE, dispersion = NULL, na.action = na.pass,
            ...)
}
\arguments{
  \item{object}{
\code{\link[stats]{glm}} 모델 객체입니다.
}
  \item{newdata}{
\code{\link[OREbase:ore.frame-class]{ore.frame}}
    객체입니다.
}
  \item{type}{
수행할 예측 유형을 지정하는 문자열로,
    \code{"link"}(링크 함수의 배율) 또는
    \code{"response"}(응답 변수의 배열)입니다.
}
  \item{se.fit}{
예측의 표준 오류를 반환할지 여부를
    나타내는 논리입니다.
}
  \item{dispersion}{
예측의 표준 오류를 계산할 때 사용할
    분산 매개변수입니다.
}
  \item{na.action}{
\code{NA} 값이 처리되는 방식으로,
    \code{na.omit} 또는 \code{na.pass}입니다.
}
  \item{\dots}{
선택적 인수입니다.
}
}

\value{
\code{se.fit} 인수가 \code{FALSE}이면 지정된 유형의
  예측이 포함된 \code{\link[OREbase:ore.numeric-class]{ore.numeric}}
  객체를 반환합니다.
  \code{se.fit} 인수가 \code{TRUE}이면
  \code{\link[OREbase:ore.frame-class]{ore.frame}} 및 \code{"PRED"}의 두 열을 포함하는
  \code{"SE.PRED"} 객체를 반환합니다.
}
\references{
  \href{http://www.oracle.com/technetwork/database/database-technologies/r/r-enterprise/documentation/index.html}{Oracle R Enterprise}
}
\note{
  Use of date/time terms in this method will result in an error.  
}
\author{
  Oracle \email{oracle-r-enterprise@oracle.com}
}
\seealso{
  \code{\link{ore.predict}},
  \code{\link{ore.predict-lm}},
  \code{\link[stats]{predict.glm}}.
}
\examples{
\dontshow{
if (!interactive())
    ore.connect(user     = Sys.getenv("ORE_USERNAME", "rquser"),
                sid      = Sys.getenv("ORACLE_SID"),
                host     = Sys.getenv("HOST"),
                password = Sys.getenv("ORE_PASSWORD", "rquser"),
                port  = if (.Platform$OS.type == "windows")
                           Sys.getenv("ORACLE_PORT")
                        else
                           Sys.getenv("TCPPORT"),
                all = TRUE)
}

infertModel <-
  glm(case ~ age + parity + education + spontaneous + induced,
      data = infert, family = binomial())
INFERT <- ore.push(infert)
INFERTpred <- ore.predict(infertModel, INFERT, type = "response",
                          se.fit = TRUE)
INFERT <- cbind(INFERT, INFERTpred)
head(INFERT)
}
\keyword{models}
\keyword{regression}