回归分析 | R语言回归算法

一、回归算法

1.1 一元线性回归

最小二乘法：

通过使因变量的真实值和估计值之间的离差平方和达到最小来求 β0 和 β1

 1.2 多元回归（今天先略过）

 通过矩阵来求解最小二乘法

二、回归算法相关函数

使用 R 自带的 women 数据集

一元线性回归

# 模型创建
fit1 = lm(weight~.,data=women)

# 查看拟合结果
plot(women)
abline(fit1)

发现点有些弯曲，可能存在二次关系

 去除截距项的方法

# 除去截距项
fit2 = lm(weight~-1+height,data=women)

 一元二次回归

# 模型创建
fit3 = lm(weight~.+I(height^2),data=women)

使用 summary 查看回归模型的信息

summary(fit3)

Tip：

R方：（决定系数、拟合优度）拟合出来的结果解释了多少数据点中的信息（代表拟合程度，越接近1越好）：可以用来评估模型拟合的好不好

F值：所有的参数是否为零（是否接受0假设），越小越拒绝0假设，检验模型整体指标的值

模型诊断

par(mfrow=c(2,2))  # par设置图片格式的函数（2*2的版式）
plot(fit3)

 Tip：

A ：检查整体的拟合情况

B ：点越呈对角线分布，说明数据越呈正态分布

C ：曲线波动越明显，越可能异方差

D ：落在虚线外的点为异常值、离群值

回归的预测函数

lm.pred = predict(fit3, women)

如需预测区间：

interval ：给出相应的预测区间

level：置信水平

lm.pred = predict(fit3, women, interval="prediction", level=0.95)
lm.pred

　困了...今天先到这啊哈

三、模型选择

四、回归诊断

回归分析 | R语言回归算法

原文：https://www.cnblogs.com/ykit/p/12500274.html