利用R语言进行线性/非线性回归拟合实例(1)
利用R语言进行线性/非线性回归拟合实例(1)
1、 生成一组数据
vector<float>xxvec;
vector<float>yyvec;
ofstreamfout("data2.txt");
for (int i =1;i<200;i++)
{
float x =i*0.8;
float randdnum= rand()%10 * 10;
floatrandomflag = (rand()%10)%2==0?(1):(-1);
float y = 3 *x*x + 2*x + 5 + randomflag*randdnum;
fout<<x<<" "<<y<<endl;
xxvec.push_back(x);
yyvec.push_back(y);
}
fout.close();
将生成的数据存为txt文件,命名为“data1”
2、线性拟合
#-------------------------------------------------------------#载入数据
> fire <- read.table('D:/data.txt',header = TRUE)
#-------------------------------------------------------------#回归分析
> plot(fire$y ~ fire$x)
> fire.reg <- lm(fire$y ~ fire$x,data = fire) #回归拟合
> data1.reg
Call:
lm(formula = data1$y ~ data1$x, data = data1)
Coefficients:
(Intercept) data1$x
6.202 3.003
>summary(data1.reg) #回归分析表
Call:
lm(formula = data1$y ~ data1$x, data = data1)
Residuals:
Min 1Q Median 3Q Max
-93.345 -42.929 -1.948 46.717 88.793
Coefficients:
Estimate Std. Error tvalue Pr(>|t|)
(Intercept) 6.202084 3.352055 1.85 0.0646 .
data1$x 3.002826 0.007259 413.66 <2e-16 ***
标红数字即为线性回归系数,由于生成数据时加了一个随机数,所以拟合出来的直线为:
y=3.002826 x+6.202084
---
Signif. codes: 0 ‘***’ 0.001 ‘**’0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 52.93 on 997 degrees of freedom
Multiple R-squared: 0.9942, Adjusted R-squared: 0.9942
F-statistic: 1.711e+05 on 1 and 997 DF, p-value: < 2.2e-16
>anova(data1.reg) #方差分析表
Analysis of Variance Table
Response: data1$y
Df Sum Sq Mean Sq F value Pr(>F)
data1$x 1479462873 479462873 171112 < 2.2e-16***
Residuals 997 2793641 2802
Signif. codes: 0‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
>abline(data1.reg, col = 2, lty = 2) #拟合直线
利用R语言进行线性/非线性回归拟合实例(1)相关推荐
- 【机器学习】R语言进行机器学习方法及实例
R语言进行机器学习方法及实例 机器学习的研究领域是发明计算机算法,把数据转变为智能行为.机器学习和数据挖掘的区别可能是机器学习侧重于执行一个已知的任务,而数据发掘是在大数据中寻找有价值的东西. 机器学 ...
- 利用R语言对贷款客户作风险评估(下)——零膨胀回归分析
利用R语言对贷款客户作风险评估(下)--零膨胀回归分析 前言 上一篇的分类预测是决定好坏客户的初步判断, 不足以直接决策, 因此还需要进一步分析. 通过随机森林, 对影响好坏客户的解释变量的重要性进行 ...
- R语言数据分析、展现与实例(02)
R语言数据分析.展现与实例(02) 数据输入 > mydata <- data.frame(age=numeric(0),gender=character(0),weight=numeri ...
- R语言使用lm函数拟合多元线性回归模型、假定预测变量没有交互作用(Multiple linear regression)
R语言使用lm函数拟合多元线性回归模型.假定预测变量没有交互作用(Multiple linear regression) 目录
- R语言ggplot2可视化:拟合二次曲线(quadratic curve)并使用ggplot2进行可视化、可视化两个响应变量和一个预测变量的二次曲线
R语言ggplot2可视化:拟合二次曲线(quadratic curve)并使用ggplot2进行可视化.可视化两个响应变量和一个预测变量的二次曲线 目录
- 利用R语言对泰坦尼克号沉没事件幸存者的数据分析与预测
题外话:在文章正式开始之前,我还是想先写一点题外话,一是为了引出写作这篇博客的目的,二则是希望能够记录下现在的所思所想为以后留个纪念.首先介绍一下自己,毕业3年多的小硕一枚,大学期间学的专业是高分子材 ...
- 利用R语言画简单时间序列图
R 语言无法自动将读取的数据转化为时间序列格式, 所以利用R语言画时间序列图的一个关键步骤就是将读取的数据转变为时间序列格式, 下面是一个简单的程序: # 读取数据, 首先将excel 格式的转化为 ...
- R语言使用lm函数拟合线性回归模型:使用predict函数和训练好的模型进行预测推理、使用ggplot2可视化预测值和实际值的曲线进行对比分析
R语言使用lm函数拟合线性回归模型:使用predict函数和训练好的模型进行预测推理.使用ggplot2可视化预测值和实际值的曲线进行对比分析 目录
- 利用R语言对贷款客户作风险评估
利用R语言对贷款客户作风险评估(上)--数据分析 前言 风险控制能力越来越成为互联网金融行业的隐形门槛,为风控人员提供显著地风险评估依据变得非常重要.本文以银行客户的信用卡信息为案例数据,对数据进行分 ...
最新文章
- python怎么定义空矩阵_python 空矩阵
- invalid value encountered in double_scalars
- python list索引_Python按照索引访问list
- 8.1 mnist_soft,TensorFlow构建回归模型
- 采用预取(Prefetch)来加速你的网站(转)
- Spring IOC BeanDefinition解析
- win7/win8/win8.1 telnet命令无法使用的解决方案(提示不是内部命令或外部命令)
- IDEA maven依赖下载失败
- Java基础篇:介绍嵌套类和内部类
- 经典排序算法(十七)--计数排序Counting Sort
- Java ssm框架是什么?
- 小孩孩子应用题计算机错误,为什么一二年级的孩子数学应用题总出错?家长该怎么办?...
- JS严格模式(use strict)
- Loss和神经网络训练
- 违反协议 oracle,Oracle增加表字段导致“违反协议”异常
- PYNQ-Z2上手笔记之系统安装
- Android-AbsoluteLayout(绝对布局)
- Python—类私有化属性和方法
- 股权融资的有哪些方式
- 【系统】WinXP/Win7x86/Win7x64 地址汇总 2014.7
热门文章
- JVM、Dalvik、ART
- strlen()函数
- LeetCode575
- InnoDB和MyISAM区别?
- echarts图例样式单独设置
- SQL Server 使用数据库发送邮件(sp_send_dbmail)
- 全网最详细金融APP测试功能点-测试用例,详细整理(全)
- Matlab中库函数imadjust()的使用细节
- mini2440之--adc程序
- 浙江大学 计算机学院的博士,通知 | 浙江大学第377期博士生创新论坛 暨计算机学院第十六届博士生创新论坛(秋冬)报名通知...