R語言關于多重回歸知識點總結
多元回歸是線性回歸到兩個以上變量之間的關系的延伸。 在簡單線性關系中，我們有一個預測變量和一個響應變量，但在多元回歸中，我們有多個預測變量和一個響應變量。
多元回歸的一般數(shù)學方程為
y = a + b1x1 + b2x2 +...bnxn
以下是所使用的參數(shù)的描述
- y是響應變量。
- a，b1，b2 ... bn是系數(shù)。
- x1，x2，... xn是預測變量。
我們使用R語言中的lm()函數(shù)創(chuàng)建回歸模型。模型使用輸入數(shù)據(jù)確定系數(shù)的值。 接下來，我們可以使用這些系數(shù)來預測給定的一組預測變量的響應變量的值。
lm()函數(shù)
此函數(shù)創(chuàng)建預測變量和響應變量之間的關系模型。
語法
lm()函數(shù)在多元回歸中的基本語法是
lm(y ~ x1+x2+x3...,data)
以下是所使用的參數(shù)的描述
- 公式是表示響應變量和預測變量之間的關系的符號。
- 數(shù)據(jù)是應用公式的向量。
例
輸入數(shù)據(jù)
考慮在R語言環(huán)境中可用的數(shù)據(jù)集“mtcars”。 它給出了每加侖里程（mpg），氣缸排量（“disp”），馬力（“hp”），汽車重量（“wt”）和一些其他參數(shù)的不同汽車模型之間的比較。
模型的目標是建立“mpg”作為響應變量與“disp”，“hp”和“wt”作為預測變量之間的關系。 為此，我們從mtcars數(shù)據(jù)集中創(chuàng)建這些變量的子集。
input <- mtcars[,c("mpg","disp","hp","wt")]
print(head(input))
當我們執(zhí)行上面的代碼，它產(chǎn)生以下結果
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
創(chuàng)建關系模型并獲取系數(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 # # # ","
")
a <- coef(model)[1]
print(a)
Xdisp <- coef(model)[2]
Xhp <- coef(model)[3]
Xwt <- coef(model)[4]
print(Xdisp)
print(Xhp)
print(Xwt)
當我們執(zhí)行上面的代碼，它產(chǎn)生以下結果
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)建回歸模型的方程
基于上述截距和系數(shù)值，我們創(chuàng)建了數(shù)學方程。
Y = a+Xdisp.x1+Xhp.x2+Xwt.x3 or Y = 37.15+(-0.000937)*x1+(-0.0311)*x2+(-3.8008)*x3
應用方程預測新值
當提供一組新的位移，馬力和重量值時，我們可以使用上面創(chuàng)建的回歸方程來預測里程數(shù)。
對于disp = 221，hp = 102和wt = 2.91的汽車，預測里程為
Y = 37.15+(-0.000937)*221+(-0.0311)*102+(-3.8008)*2.91 = 22.7104
到此這篇關于R語言關于多重回歸知識點總結的文章就介紹到這了,更多相關R語言多重回歸內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
在本篇文章里小編給大家整理的是一篇關于R語言關于數(shù)據(jù)幀的知識點詳解內(nèi)容，有興趣的朋友們可以學習下。2021-04-04
這篇文章主要介紹了使用R語言填補缺失值的方法,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-03-03
R語言將變量分組的3種方法實例(含cut函數(shù)說明）
在數(shù)據(jù)處理分析過程中,變量分組是經(jīng)常遇到的,下面這篇文章主要給大家介紹了關于R語言將變量分組的3種方法,其中含cut函數(shù)說明的相關資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2022-08-08
這篇文章主要介紹了R語言數(shù)據(jù)檢驗的相關知識，本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2022-03-03
這篇文章主要介紹了R語言編碼問題的解決，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
這篇文章主要為大家介紹了R語言繪制line?plot線圖的示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-02-02
R語言模擬疫情傳播圖RVirusBroadcast展示疫情數(shù)據(jù)
本文用RVirusBroadcast展示模擬的疫情數(shù)據(jù)，讓R語言模擬疫情傳播圖來告訴你為什么還不到出門的時候，有需要的朋友可以借鑒參考下，希望能夠有所幫助2022-02-02
這篇文章主要介紹了R語言 data.frame()命令的使用說明，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
R語言數(shù)可視化Split?violin?plot小提琴圖繪制方法
這篇文章主要為大家介紹了R語言數(shù)可視化Split?violin?plot小提琴圖繪制方法，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步2022-02-02
這篇文章主要介紹了在R語言中實現(xiàn)Logistic邏輯回歸的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04