在线观看不卡亚洲电影_亚洲妓女99综合网_91青青青亚洲娱乐在线观看_日韩无码高清综合久久

鍍金池/ 教程/ 數(shù)據(jù)分析&挖掘/ R語(yǔ)言多元(多重)回歸
R語(yǔ)言列表
R語(yǔ)言隨機(jī)森林
R語(yǔ)言矩陣
R語(yǔ)言邏輯回歸
R語(yǔ)言數(shù)據(jù)幀
R語(yǔ)言數(shù)據(jù)重塑
R語(yǔ)言概述
R語(yǔ)言包
R語(yǔ)言字符串
R語(yǔ)言CSV文件
R語(yǔ)言運(yùn)算符
為什么使用R語(yǔ)言做統(tǒng)計(jì)?
R語(yǔ)言Web數(shù)據(jù)
R語(yǔ)言二進(jìn)制文件
R語(yǔ)言XML文件
R語(yǔ)言JSON文件
R語(yǔ)言因子
R語(yǔ)言容易學(xué)習(xí)嗎?
R語(yǔ)言基礎(chǔ)語(yǔ)法
R語(yǔ)言向量
R語(yǔ)言教程
R語(yǔ)言正態(tài)分布
R語(yǔ)言平均值,中位數(shù)和眾數(shù)
R語(yǔ)言變量
R語(yǔ)言條形圖
R語(yǔ)言決策樹(shù)
R語(yǔ)言開(kāi)發(fā)環(huán)境安裝配置
R語(yǔ)言數(shù)組
R語(yǔ)言數(shù)據(jù)類型
R語(yǔ)言非線性最小二乘法
R語(yǔ)言直方圖
R語(yǔ)言卡方檢驗(yàn)
R語(yǔ)言泊松回歸
R語(yǔ)言決策結(jié)構(gòu)
R語(yǔ)言盒形圖(箱形圖)
R語(yǔ)言協(xié)方差分析
R語(yǔ)言二項(xiàng)分布
R語(yǔ)言餅狀圖
R語(yǔ)言循環(huán)
R語(yǔ)言散點(diǎn)圖
R語(yǔ)言線性回歸
R語(yǔ)言時(shí)間序列分析
R語(yǔ)言線形圖
R語(yǔ)言在現(xiàn)實(shí)中的應(yīng)用
R語(yǔ)言生存分析
R語(yǔ)言多元(多重)回歸
R語(yǔ)言函數(shù)
R語(yǔ)言Excel文件
R語(yǔ)言連接數(shù)據(jù)庫(kù)(MySQL)

R語(yǔ)言多元(多重)回歸

多元(多重)回歸是線性回歸擴(kuò)展到兩個(gè)以上變量之間的關(guān)系。在簡(jiǎn)單的線性關(guān)系中,我們有一個(gè)預(yù)測(cè)因子和一個(gè)響應(yīng)變量,但在多元回歸中,可以有多個(gè)預(yù)測(cè)變量和一個(gè)響應(yīng)變量。

多元回歸的一般數(shù)學(xué)方程為 -

y = a + b1x1 + b2x2 +...bnxn

以下是使用的參數(shù)的描述 -

  • y - 是響應(yīng)變量。
  • a,b1,b2 … bn - 是系數(shù)。
  • x1,x2,… xn - 是預(yù)測(cè)變量。

我們使用R中的lm()函數(shù)創(chuàng)建回歸模型。該模型使用輸入數(shù)據(jù)確定系數(shù)的值。 接下來(lái),可以使用這些系數(shù)來(lái)預(yù)測(cè)給定的一組預(yù)測(cè)變量的響應(yīng)變量的值。

lm()函數(shù)

該函數(shù)創(chuàng)建預(yù)測(cè)變量與響應(yīng)變量之間的關(guān)系模型。

語(yǔ)法

lm()函數(shù)在多元回歸中的基本語(yǔ)法是 -

lm(y ~ x1+x2+x3...,data)

以下是使用的參數(shù)的描述 -

  • formula - 即:y ~ x1+x2+x3...是呈現(xiàn)響應(yīng)變量和預(yù)測(cè)變量之間關(guān)系的符號(hào)。
  • data - 是應(yīng)用公式的向量。

示例

輸入數(shù)據(jù)

考慮R環(huán)境中可用的數(shù)據(jù)集mtcars,它比較不同的車型,每加侖里程(mpg),氣缸排量(disp),馬力(hp),汽車重量(wt)和一些更多的參數(shù)。

該模型的目標(biāo)是建立“mpg”作為響應(yīng)變量與“disp”,“hp”“wt”之間的關(guān)系作為預(yù)測(cè)變量。為此,我們從mtcars數(shù)據(jù)集創(chuàng)建這些變量的子集。

input <- mtcars[,c("mpg","disp","hp","wt")]
print(head(input))

當(dāng)我們執(zhí)行上述代碼時(shí),會(huì)產(chǎn)生以下結(jié)果 -

                   mpg disp  hp    wt
Mazda RX4         21.0  160 110 2.620
Mazda RX4 Wag     21.0  160 110 2.875
Datsun 710        22.8  108  93 2.320
Hornet 4 Drive    21.4  258 110 3.215
Hornet Sportabout 18.7  360 175 3.440
Valiant           18.1  225 105 3.460

示例: 創(chuàng)建關(guān)系模型并得到系數(shù)

input <- mtcars[,c("mpg","disp","hp","wt")]

# Create the relationship model.
model <- lm(mpg~disp+hp+wt, data = input)

# Show the model.
print(model)

# Get the Intercept and coefficients as vector elements.
cat("# # # # The Coefficient Values # # # ","\n")

a <- coef(model)[1]
print(a)

Xdisp <- coef(model)[2]
Xhp <- coef(model)[3]
Xwt <- coef(model)[4]

print(Xdisp)
print(Xhp)
print(Xwt)

當(dāng)我們執(zhí)行上述代碼時(shí),會(huì)產(chǎn)生以下結(jié)果 -

Call:
lm(formula = mpg ~ disp + hp + wt, data = input)

Coefficients:
(Intercept)         disp           hp           wt  
  37.105505      -0.000937        -0.031157    -3.800891  

# # # # The Coefficient Values # # # 
(Intercept) 
   37.10551 
         disp 
-0.0009370091 
         hp 
-0.03115655 
       wt 
-3.800891

創(chuàng)建回歸模型方程

基于上述截距和系數(shù)值,我們創(chuàng)建了數(shù)學(xué)方程,如下所示 -

Y = a+Xdisp.x1+Xhp.x2+Xwt.x3
## 或者 
Y = 37.15+(-0.000937)*x1+(-0.0311)*x2+(-3.8008)*x3

應(yīng)用公式來(lái)預(yù)測(cè)新值

當(dāng)提供一組新的位移,馬力和重量值時(shí),我們可以使用上面創(chuàng)建的回歸方程來(lái)預(yù)測(cè)里程。

對(duì)于具有disp = 221hp = 102wt = 2.91的汽車,預(yù)計(jì)里程預(yù)測(cè)為 -

Y = 37.15+(-0.000937)*221+(-0.0311)*102+(-3.8008)*2.91 = 22.7104