r语言线性回归_(R语言)线性回归:机器学习基础技术
线性回归: 使用最小二乘法预测定量的结果的一种回归模型。
Anscombe数据集
它由统计学家弗朗西斯·安斯库姆(Francis Anscombe)建立,用来强调数据可视化和异常值在数据分析中的重要性。这个数据集有4对X变量和Y变量,它们具有相同的统计特性。将其放在统计图中,就会看到一些极大的差异。
代码如下:
#调用并查看数据
data(anscombe)
attach(anscombe)
anscombe
#x1与y1的相关系数correlation of x1 and y1
cor(x1,y1)
#x2与y2的相关系数correlation of x2 and y2
cor(x2,y2)
#话四个变量之间的统计图
plot(x1,y1,main="统计图1")
plot(x2,y2,main="统计图2")
plot(x3,y3,main="统计图3")
plot(x4,y4,main="统计图4")
运行结果如下:
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
数据案例分析
1.一元线性回归分析案例
案例数据
![](/assets/blank.gif)
案例代码
data<-read.csv("J:/应用回归分析/R版/应用回归分析R语言版原始数据/new1data2.2.csv",sep=",",head=T)
attach(data)#将读入的数据导入数据框中的探索路劲,方便下方数据框中x与y的探索
a<-c(mean(x),sd(x),mean(y),sd(y))#计算均值与方差
a
cor(x,y,method="pearson")#pearson相关系数
cor.test(x,y)
lmdata<-lm(y~x,data=data)#线性拟合
anova(lmdata)#计算方差
summary(lmdata)#回归及显著性检验
SRE<-rstandard(lmdata)#计算学生化残差
SRE
plot(x,SRE,xlab="城镇居民人均收入",ylab="学生化残差")
plot(x,y,xlab="城镇人均收入",ylab="城镇人均支出")
#预测人均收入x在800的人均支出y
new<-data.frame(x=800)#将x=800导入数据库
new
a<-predict(lmdata,new,interval="prediction",level=0.95)#预测区间(prediction interval)
a#查看预测空间以及预测值
b<-predict(lmdata,new,interval="confidence",level=0.95)#置信区间(confidence interval)
b#查看置信区间
d<-resid(lmdata,digits=6)#将残差赋值给d,保留6位小数
d
detach(data)#将数据框剔除R路径
运行结果:
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
结果分析:
![](/assets/blank.gif)
由图可得,城镇人均收入均值为2241.5950,方差为1572.6231;城镇人均支出均值为1592.6082,方差为990.8777。
![](/assets/blank.gif)
由图可知,相关系数为0.9963804,样本量为22,t值为52.419,p值远远小于0.05,说明其t检验显著。综合得到城镇人均收入与城镇人均支出有高度相关的线性关系。
![](/assets/blank.gif)
由图可得出,决定系数为0.9928,调整后的决定系数为0.9924,回归方程的解释程度为99.28%,回归标准误差86.31。
回归方程为:
![](/assets/blank.gif)
![](/assets/blank.gif)
由图可得,SSR=20469619,SSE=148992;F=2747.7.P<2.2e-16,说明解释变量与被解释变量之间构成的方程高度显著。这跟相关系数检验一样。
![](/assets/blank.gif)
如图所示是计算出的残差值。
![](/assets/blank.gif)
由图可得,当人均收入为800时,人均支出为687.5764,预测空间在499.9982-875.1546之间;置信区间为634.9409-740.2118之间,预测概率为95%。
r语言线性回归_(R语言)线性回归:机器学习基础技术相关推荐
- go语言视频教程_ go语言入门视频教程_go语言实战视频教程
许多人可能知道go语言的优点在哪里,但他们不知道go语言适合在哪里使用.通过学习go语言视频教程,可以清楚的知道go语言主要用于服务器端开发,其定位是用来开发"大型软件".学习go ...
- 机器学习多元线性回归_过度简化的机器学习(1):多元回归
机器学习多元线性回归 The term machine learning may sound provocative. Machines do not learn like humans do. Ho ...
- 多重线性回归 多元线性回归_了解多元线性回归
多重线性回归 多元线性回归 Video Link 影片连结 We have taken a look at Simple Linear Regression in Episode 4.1 where ...
- R count函数_[R learning]-0018-R语言绘图基础, 画了一天,不妨进来看看~
=================== = 个人练习R语言的笔记 = = 跟我一起来 Coding⑧! = =================== 0018-R语言绘图基础 2020-07-29更新: ...
- php易语言互交_易语言php调用源码
易语言php调用源码系统结构:PHP,SetHandleInformation,CreatePipe,ReadFile,CloseHandle,PeekNamedPipe,GetExitCodePro ...
- python实现最小二乘法的线性回归_最小二乘法求线性回归的python实现
原文: 版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/qq_38003892/arti ...
- 机器学习学习吴恩达逻辑回归_机器学习基础:逻辑回归
机器学习学习吴恩达逻辑回归 In the previous stories, I had given an explanation of the program for implementation ...
- python 多元线性回归_多元统计分析之多元线性回归的R语言实现
多元统计分析之多元线性回归的R语言实现 多元统计分析--multivariate statistical analysis 研究客观事物中多个变量之间相互依赖的统计规律性.或从数学上说, 如果个体的观 ...
- 多元线性回归:R语言的有关基础操作
数据来源:波士顿地区房价预测完整数据集(CSV格式)_weixin_51454889的博客-CSDN博客 参考书目:<R语言实战> (其实我不太清楚实际回归时各种检查和操作的一个整体,因而 ...
最新文章
- Linux实战教学笔记49:Zabbix监控平台3.2.4(一)搭建部署与概述
- javac编译出现“找不到符号”和软件包不存在的解决
- 全球及中国航空发动机市场动态前景及十四五项目专项调研报告2021-2027年版
- php mysql int 日期格式化 string,MYSQL int类型字段的时间存放和显示 和 php的时间存放函数...
- FSNotes for Mac(强大的文本编辑器)
- 如何计算出int的数据范围
- iOS使用shell脚本注入混淆内容
- 【Java】判断学生成绩等级
- Duilib初级控件扩展一例: 具有鼠标滚动消息的OptionUI
- C++/C中的小知识备忘
- 线程池的使用以及其工具类的封装
- Linux内核4.14 LTS发布:那些最新最好的功能特性
- Thingsboard 3.1.0 - windows下安装、发送mqtt、仪表板显示
- 图标透明,产生的EXE图标不透明
- Sonarqube 代码检查无法加载出项目,error:Project is not analyzed yet.
- 保镖(2019CSP-S模拟2C)(贪心,线段树)
- 管理的两大核心,工作目标、人的价值
- yum是干什么的_linux下的yum命令详解
- hadoop is not in the sudoers file. This incident will be reported.问题解决
- 【附源码】Java计算机毕业设计安卓在线民宿预定app(程序+LW+部署)
热门文章
- json如何把键名作为变量?
- Navicatfor mysql怎么设置唯一约束
- expect自动化交互脚本(一)
- 如何利用 JConsole观察分析Java程序的运行,进行排错调优
- Tomcat配置虚拟路径,使上传文件与服务器及工程文件分离开
- 常用的 服务器 与 交换机
- Programming Pearls: Chatper3 Problem6 [Form letter generator]
- ArcGIS API for Silverlight开发
- 8.使用hydra对端口进行爆破
- C#强化系列:HttpModule,HttpHandler,HttpHandlerFactory简单使用