客服电话
APP下载
迪恩网络APP
随时随地掌握行业动态
官方微信
扫描二维码
关注迪恩网络微信公众号
|
一个简单的例子！
线性回归主要用来做预测模型。 1、准备数据集： X Y
0.10 42.0
0.11 43.5
0.12 45.0
0.13 45.5
0.14 45.0
0.15 47.5
0.16 49.0
0.17 53.0
0.18 50.0
0.20 55.0
0.21 55.0
0.23 60.0
> s=read.table("test-1.txt", header = F)
2、确定线性回归函数：Y = β0 + β1X + ε 其中β0 + β1X 表示Y随X的变化而线性变化的部分；ε是随机误差，是一切不确定因素的总和，其值不可测。
3、使用R语言中的lm()函数求解 > x=s$V1 > y=s$V2 > lm.sol<-lm(y ~ 1+x) > summary(lm.sol) 指标1：Pr(>|t|) 表示P– 值，即概率值。***说明极为显著， **说明高度显著， *说明显著， .说明不太显著，没有记号为不显著。 指标2：R-Squared: 0.9481 的值越大越好，至少应该在0.8以上。
4、绘制图形 > plot(x,y)
> abline(lm.sol)
5、作出预测 > z=data.frame(x=0.24)
> predict(lm.sol, z)
预测结果为： 1 59.89318
|
请发表评论