我不知道具体的命令，但这可能是一个开始：

# generate some data
> N <- 100
> X <- rnorm(N, 175, 7)
> Y <- 0.4*X + 10 + rnorm(N, 0, 3)

# dichotomize Y
> Yfac <- cut(Y, breaks=c(-Inf, median(Y), Inf), labels=c("lo", "hi"))

# logistic regression
> glmFit <- glm(Yfac ~ X, family=binomial(link="logit"))

# predicted probabilities
> Yhat <- fitted(glmFit)

# choose a threshold for dichotomizing according to predicted probability
> thresh  <- 0.5
> YhatFac <- cut(Yhat, breaks=c(-Inf, thresh, Inf), labels=c("lo", "hi"))

# contingency table and marginal sums
> cTab <- table(Yfac, YhatFac)
> addmargins(cTab)
        YhatFac
Yfac   lo  hi Sum
  lo   36  14  50
  hi   12  38  50
  Sum  48  52 100

# percentage correct for training data
> sum(diag(cTab)) / sum(cTab)
[1] 0.74

Thomas D. Fletcher 在他的QuantPsyc包中有一个名为ClassLog()（用于“逻辑回归模型的分类分析”）的函数。但是，我喜欢@caracal 的回复，因为它是自制的并且易于定制。