您好,登錄后才能下訂單哦!
本篇文章給大家分享的是有關(guān)怎么在R語(yǔ)言中求線性回歸的擬合度,小編覺得挺實(shí)用的,因此分享給大家學(xué)習(xí),希望大家閱讀完這篇文章后可以有所收獲,話不多說,跟著小編一起來看看吧。
創(chuàng)建關(guān)系模型并獲取系數(shù)
x <- c(151, 174, 138, 186, 128, 136, 179, 163, 152, 131) y <- c(63, 81, 56, 91, 47, 57, 76, 72, 62, 48) # 使用lm()函數(shù)進(jìn)行計(jì)算. relation <- lm(y~x) print(relation)
執(zhí)行上面的代碼,它產(chǎn)生以下結(jié)果
Call: lm(formula = y ~ x) Coefficients: (Intercept) x -38.4551 0.6746
產(chǎn)生了一條線性方程式:
y = -38.4551 + 0.6746x
使用summary()函數(shù),查看摘要
print(summary(relation))
結(jié)果如下:
Call:
lm(formula = y ~ x)Residuals:
Min 1Q Median 3Q Max
-6.3002 -1.6629 0.0412 1.8944 3.9775Coefficients:
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 ‘ ' 1Residual 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
Multiple R-squared和Adjusted R-squared這兩個(gè)值,其實(shí)我們常稱之為“擬合優(yōu)度”和“修正的擬合優(yōu)度”,是指回歸方程對(duì)樣本的擬合程度。
R-squared(值范圍0-1)描述的 輸入變量對(duì)輸出變量的解釋程度。在單變量線性回歸中R-squared 越大,說明擬合程度越好,模型對(duì)數(shù)據(jù)的預(yù)測(cè)越準(zhǔn)確。
Adjusted R-square:自由度調(diào)整 r 平方。接近1的值表示更好的匹配。當(dāng)您向模型中添加附加系數(shù)時(shí), 它通常是適合質(zhì)量的最佳指示器。
關(guān)于R-squared 和 Adjusted R-squared聯(lián)系與區(qū)別:,可以看看下文
http://www.kemok4.com/article/207365.htm
簡(jiǎn)單來說,只要增加了更多的變量,無論增加的變量是否和輸出變量存在關(guān)系,則R-squared 要么保持不變,要么增加。
所以, 需要adjusted R-squared ,它會(huì)對(duì)那些增加的且不會(huì)改善模型效果的變量增加一個(gè)懲罰向。
結(jié)論,如果單變量線性回歸,則使用 R-squared評(píng)估,多變量,則使用adjusted R-squared。
在單變量線性回歸中,R-squared和adjusted R-squared是一致的。
另外,如果增加更多無意義的變量,則R-squared 和adjusted R-squared之間的差距會(huì)越來越大,Adjusted R-squared會(huì)下降。但是如果加入的特征值是顯著的,則adjusted R-squared也會(huì)上升。
使用predict()函數(shù)進(jìn)行數(shù)據(jù)預(yù)測(cè)
語(yǔ)法:
predict(object, newdata)
object是已使用lm()函數(shù)創(chuàng)建的公式。
newdata是包含預(yù)測(cè)變量的新值的向量。
使用上面得到的方程式來預(yù)測(cè)
a <- data.frame(x = 170) result <- predict(relation,a) print(result)
得到預(yù)測(cè)結(jié)果
1
76.22869
以上就是怎么在R語(yǔ)言中求線性回歸的擬合度,小編相信有部分知識(shí)點(diǎn)可能是我們?nèi)粘9ぷ鲿?huì)見到或用到的。希望你能通過這篇文章學(xué)到更多知識(shí)。更多詳情敬請(qǐng)關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。