R語言關於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。
多元回歸的一般數學方程為
y = a + b1x1 + b2x2 +...bnxn
以下是所使用的參數的描述
- y是響應變量。
- a,b1,b2 … bn是系數。
- x1,x2,… xn是預測變量。
我們使用R語言中的lm()函數創建回歸模型。模型使用輸入數據確定系數的值。 接下來,我們可以使用這些系數來預測給定的一組預測變量的響應變量的值。
lm()函數
此函數創建預測變量和響應變量之間的關系模型。
語法
lm()函數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。
- 數據是應用公式的向量。
例
輸入數據
考慮在R語言環境中可用的數據集“mtcars”。 它給出瞭每加侖裡程(mpg),氣缸排量(“disp”),馬力(“hp”),汽車重量(“wt”)和一些其他參數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數據集中創建這些變量的子集。
input <- mtcars[,c("mpg","disp","hp","wt")] print(head(input))
當我們執行上面的代碼,它產生以下結果
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
創建關系模型並獲取系數
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)
當我們執行上面的代碼,它產生以下結果
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
創建回歸模型的方程
基於上述截距和系數值,我們創建瞭數學方程。
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建的回歸方程來預測裡程數。
對於disp = 221,hp = 102和wt = 2.91的汽車,預測裡程為
Y = 37.15+(-0.000937)*221+(-0.0311)*102+(-3.8008)*2.91 = 22.7104
到此這篇關於R語言關於多重回歸知識點總結的文章就介紹到這瞭,更多相關R語言多重回歸內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!