Verstehen der Vorhersagen aus der logistischen Regression

Meine Vorhersagen aus einem logistischen Regressionsmodell (glm in R) sind nicht wie erwartet zwischen 0 und 1 begrenzt. Mein Verständnis der logistischen Regression ist, dass Ihre Eingabe- und Modellparameter linear kombiniert werden und die Antwort mithilfe der Logit-Link-Funktion in eine Wahrscheinlichkeit umgewandelt wird. Da die Logit-Funktion zwischen 0 und 1 liegt, habe ich erwartet, dass meine Vorhersagen zwischen 0 und 1 liegen.

Das sehe ich jedoch nicht, wenn ich logistische Regression in R implementiere:

data(iris)
iris.sub <- subset(iris, Species%in%c("versicolor","virginica"))
model    <- glm(Species ~ Sepal.Length + Sepal.Width, data = iris.sub, 
                family = binomial(link = "logit"))
hist(predict(model))

Wenn überhaupt, sieht die Ausgabe von predict (model) für mich normal aus. Kann mir jemand erklären, warum die Werte, die ich erhalte, keine Wahrscheinlichkeiten sind?

Das predict.glm Methode gibt standardmäßig die Prädiktoren auf der Skala des linearen Prädiktors zurück. Dh sie haben die Linkfunktion noch nicht durchlaufen.

Versuchen

hist(predict(model, type = "response"))

stattdessen