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{
使用 \code{\link[stats]{glm}} 模型的 Oracle R Enterprise 预测
}
\description{
用于使用 \code{\link[stats]{glm}} 模型生成预测的 Oracle R Enterprise
  方法。
}
\usage{
  \S4method{ore.predict}{glm}(object, newdata, type = c("link", "response"),
            se.fit = FALSE, dispersion = NULL, na.action = na.pass,
            ...)
}
\arguments{
  \item{object}{
一个 \code{\link[stats]{glm}} 模型对象。
}
  \item{newdata}{
一个 \code{\link[OREbase:ore.frame-class]{ore.frame}}
    对象。
}
  \item{type}{
一个用于指定要进行的预测的类型的字符串;
    可以为 \code{"link"} (链接函数的扩展) 或
    \code{"response"} (响应变量的扩展)。
}
  \item{se.fit}{
一个用于指示是否为预测返回标准误差的
    逻辑值。
}
  \item{dispersion}{
在计算预测的标准误差时使用的
    离散参数。
}
  \item{na.action}{
处理 \code{NA} 值的方式,
    \code{na.omit} 或 \code{na.pass}。
}
  \item{\dots}{
可选参数。
}
}

\value{
参数 \code{se.fit} 为 \code{FALSE} 时, 返回
  包含指定类型中的预测的
  \code{\link[OREbase:ore.numeric-class]{ore.numeric}} 对象。
  参数 \code{se.fit} 为 \code{TRUE} 时, 返回
  带有两列的 \code{\link[OREbase:ore.frame-class]{ore.frame}} 对象:
  \code{"PRED"} 和 \code{"SE.PRED"}。
}
\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}