今天就跟大家聊聊有關使用R語言怎么實現(xiàn)一個線性回歸，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。

成都創(chuàng)新互聯(lián)公司-專業(yè)網(wǎng)站定制、快速模板網(wǎng)站建設、高性價比蕪湖網(wǎng)站開發(fā)、企業(yè)建站全套包干低至880元,成熟完善的模板庫,直接使用。一站式蕪湖網(wǎng)站制作公司更省心,省錢,快速模板網(wǎng)站建設找我們，業(yè)務覆蓋蕪湖地區(qū)。費用合理售后完善，十載實體公司更值得信賴。

線性回歸(Linear Regression)是利用稱為線性回歸方程的最小平方函數(shù)對一個或多個自變量和因變量之間關系進行建模的一種回歸分析。

簡單對來說就是用來確定兩種或兩種以上變量間相互依賴的定量關系的一種統(tǒng)計分析方法。

回歸分析中，只包括一個自變量和一個因變量，且二者的關系可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果回歸分析中包括兩個或兩個以上的自變量，且因變量和自變量之間是線性關系，則稱為多元線性回歸分析。

一元線性回歸分析法的數(shù)學方程：

y = ax + b

• y 是因變量的值。

• x 是自變量的值。

• a 與 b 為一元線性回歸方程的參數(shù)。

接下來我們可以創(chuàng)建一個人體身高與體重的預測模型：

1、收集樣本數(shù)據(jù)：身高與體重。
2、使用 lm() 函數(shù)來創(chuàng)建一個關系模型。
3、從創(chuàng)建的模型中找到系數(shù)，并創(chuàng)建數(shù)學方程式。
4、獲取關系模型的概要，了解平均誤差即殘差（估計值與真實值之差）。
5、使用 predict() 函數(shù)來預測人的體重。

準備數(shù)據(jù)

以下是人的身高與體重數(shù)據(jù)：

# 身高，單位 cm
151, 174, 138, 186, 128, 136, 179, 163, 152, 131

# 體重，單位 kg
63, 81, 56, 91, 47, 57, 76, 72, 62, 48

lm() 函數(shù)

在 R 中，你可以通過函數(shù) lm() 進行線性回歸。

lm() 函數(shù)用于創(chuàng)建自變量與因變量之間的關系模型。

lm() 函數(shù)語法格式如下：

lm(formula,data)

參數(shù)說明：

• formula - 一個符號公式，表示 x 和 y 之間的關系。

• data - 應用數(shù)據(jù)。

創(chuàng)建關系模型，并獲取系數(shù)：

# 樣本數(shù)據(jù)
x <- c(151, 174, 138, 186, 128, 136, 179, 163, 152, 131)
y <- c(63, 81, 56, 91, 47, 57, 76, 72, 62, 48)

# 提交給 lm() 函數(shù)
relation <- lm(y~x)

print(relation)

執(zhí)行以上代碼輸出結(jié)果為：

Call:
lm(formula = y ~ x)

Coefficients:
(Intercept)      x 
  -38.4551    0.6746

使用 summary() 函數(shù)獲取關系模型的概要:

x <- c(151, 174, 138, 186, 128, 136, 179, 163, 152, 131)
y <- c(63, 81, 56, 91, 47, 57, 76, 72, 62, 48)

# 提交給 lm() 函數(shù)
relation <- lm(y~x)

print(summary(relation))

執(zhí)行以上代碼輸出結(jié)果為：

Call:
lm(formula = y ~ x)

Residuals:
  Min   1Q   Median   3Q   Max 
-6.3002  -1.6629 0.0412  1.8944 3.9775 

Coefficients:
       Estimate Std. Error t value Pr(>|t|)  
(Intercept) -38.45509  8.04901 -4.778 0.00139 ** 
x       0.67461  0.05191 12.997 1.16e-06 ***
---
Signif. codes: 0 ‘***' 0.001 ‘**' 0.01 ‘*' 0.05 ‘.' 0.1 ‘ ' 1

Residual standard error: 3.253 on 8 degrees of freedom
Multiple R-squared: 0.9548,  Adjusted R-squared: 0.9491 
F-statistic: 168.9 on 1 and 8 DF, p-value: 1.164e-06

predict() 函數(shù)

predict() 函數(shù)用于根據(jù)我們建立的模型來預測數(shù)值。

predict() 函數(shù)語法格式如下:

predict(object, newdata)

參數(shù)說明：

• object - lm() 函數(shù)創(chuàng)建的公式。

• newdata - 要預測的值。

  
  

以下實例我們預測一個新的體重值：

# 樣本數(shù)據(jù)
x <- c(151, 174, 138, 186, 128, 136, 179, 163, 152, 131)
y <- c(63, 81, 56, 91, 47, 57, 76, 72, 62, 48)

# 提交給 lm() 函數(shù)
relation <- lm(y~x)

# 判斷身高為 170cm 的體重
a <- data.frame(x = 170)
result <-  predict(relation,a)
print(result)

執(zhí)行以上代碼輸出結(jié)果為：

1 
76.22869

我們也可以生存一個圖表：

# 樣本數(shù)據(jù)
x <- c(151, 174, 138, 186, 128, 136, 179, 163, 152, 131)
y <- c(63, 81, 56, 91, 47, 57, 76, 72, 62, 48)
relation <- lm(y~x)

# 生存 png 圖片
png(file = "linearregression.png")

# 生成圖表
plot(y,x,col = "blue",main = "Height & Weight Regression",
abline(lm(x~y)),cex = 1.3,pch = 16,xlab = "Weight in Kg",ylab = "Height in cm")

圖表如下：

看完上述內(nèi)容，你們對使用R語言怎么實現(xiàn)一個線性回歸有進一步的了解嗎？如果還想了解更多知識或者相關內(nèi)容，請關注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝大家的支持。

新聞名稱：使用R語言怎么實現(xiàn)一個線性回歸-創(chuàng)新互聯(lián)
標題來源：http://aaarwkj.com/article44/coicee.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供搜索引擎優(yōu)化、Google、外貿(mào)網(wǎng)站建設、域名注冊、品牌網(wǎng)站設計、建站公司

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)