线性回归

标签：线性回归   ova   衡量   建立   函数   模型   高度   nova   四分   

回归分析：利用样本（已知数据），产生拟合方程，从而对（未知数据）进行预测

　　线性回归：一元线性回归；多元线性；广义线性

　　非线性回归分析

　　困难：选定变量（多元），避免多重共线性，观察拟合方程，避免过度拟合，检验模型是否合理

　　关系

　　　　函数关系：确定性关系

　　　　相关关系：非确定性关系

　　　　　　相关系数：使用相关系数衡量线性相关的强弱

　　一元线性回归

　　　　Y=a+bX+r

　　　　如何确定参数

　　　　　　使用误差平方和衡量预测与真实值得差距，寻找合适的参数，是平方误差和RSS最小

　　　　　　最小二乘法：由于a、b的二次项系数都为负数，分别对a、b求偏导等于0出的值即为RSS最小值

　　一元线性回归分析

　　　　步骤：建立回归模型，求解参数，回归模型检验

　　　　plot(w~h+1)  -- +1代表截距项

　　　　做回归直线

　　　　　　lines(h,a+b*h)

　　　　回归系数假设检验

　　　　建立线性模型

　　　　　　a=lm(w~1+h)

　　　　线性模型的汇总数据，t检验，summary函数

　　　　结果描述：最小值，下四分卫数，中位数，上四分位数，最大值，t值，t值置信区间

　　　　F检验值

　　　　显著性标记：极度、高度、显著、不太显著，不显著

　　　　方差分析，函数anova()

线性回归

标签：线性回归   ova   衡量   建立   函数   模型   高度   nova   四分   

原文地址：https://www.cnblogs.com/geek-ace/p/9068221.html