r - Wie wird mit nicht numerischen Daten klassifiziert?

Question

Ich habe einen Datenrahmen wie folgt aus:

------------------------------------------------------------------- 
| | Keywords   | Paragraph  | Date  | Decision | 
|===+==================+==================+============+==========| 
| 1 | a; b    | A lot. of words. | 12/15/2015 | TRUE  | 
|---+------------------+------------------+------------+----------| 
| 2 | c; d    | more. words. many| 01/23/2015 | FALSE | 
|---+------------------+------------------+------------+----------| 
| 3 | a; d; c; foo; bar| words, words, etc| 12/13/2015 | FALSE | 
------------------------------------------------------------------- 

Aber mit etwa 1500 Datensätzen.

Ich versuche, die häufigsten Merkmale einer Entscheidung zu finden. Zum Beispiel:

Group 1: Keywords: "a", Paragraph words: ["trouble", "abhorrent"], Date: "12/12/2015", 
     Outcome: FALSE, odds of FALSE Decision: 60% 
Group 2: Keywords: "b", Paragraph words: ["good", "maximum"], Date: "02/02/2015", 
     Outcome: TRUE, odds of TRUE Decision: 30% 

Auch wäre es schön, wenn ich die Chancen auf ein Diagramm, wie diese zeichnen könnte:

| ----- 
60% | |///| 
    | |///|  ----- 
30% | |///|  |\\\| 
    | |///|  |\\\| 
0% +---|---|------|---|--- 
     Group 1 Group 2 

ich glaube, ich bin für Regressionsmodell gesucht, aber alle Beispiele scheinen mit rein numerischen Daten umgehen. Wie kann ich dies mit nicht numerischen Daten erreichen?

Edit: Hier ist ein Link auf die dput Datei auf Google Drive: https://drive.google.com/open?id=0BwrbzZiF0KGtVVZ4Tk1kdDdBZXM

Answer 1

die Daten mit Ihnen hier vor sich hochgeladen ein einfaches Beispiel:

mod <- glm(Decision ~ Keywords, data = df1, family = "binomial") 

predictions <- predict(mod, df1, "response") 

predictions 

1 2 3 4 5 6 
0.6 0.6 0.6 0.6 0.6 1.0 

Hier ist die Handlung Sie gesucht, wobei die Gruppen durch Keywords definiert sind:

res <- aggregate(predictions, by=list(df1$Keywords), mean) 

barplot(res$x, names.arg = c("Group 1", "Group 2"))