标签：
1.定义：
利用已有样本，产自拟合方程，从而对（未知数据）进行预测。
2.用途：
预测，合理性判断。
3.分类：
线性回归分析：一元线性回归，多元线性回归，广义线性（将非线性转化为线性回归，logic回归）
非线性回归分析
4.困难：
变量选取，多重共线性，观察拟合方程，避免过度拟合
5.关系：
函数关系：确定性关系，y=a*x+b
相关关系：非确定性关系
相关系数：正数为正相关（同增同长），负数为负相关（同增同减）
6.一元线性回归模型:
1) 若X与Y间存在着较强的相关关系，则我们有Y≈a+bX
2) 若a不b的值已知，则给出相应的X值，我们可以根据Y≈a+bX得到相应的Y的预测值
7.参数：
Y=a+bx+e，a为截距，b为斜率，e为误差项。
8.确定参数：使用平方误差和衡量预测值不真实值的差距
最小二乘法：
RSS其实是关于a与b的函数：
9.一元线性回归分析：
1）原理，最小二乘法
2）步骤：建立回归模型，求解回归模型中的参数，对回归模型迚行检验
10.R分析：
1）输入数据
2）建立模型：z=lm(y~x+1)/lm(y~x)表示有截距，z=lm(y~x-1)/lm(y~x+0)/lm(y~x-0)表示没有截距通过原点。
3）plot(z)输出散点图
4）summary(z)，输出结果。
5）plot(z)输出各种图。
11.其他一些R函数：
建立模型：z=lm(y~x+1)/lm(y~x)表示有截距，z=lm(y~x-1)/lm(y~x+0)/lm(y~x-0)表示没有截距通过原点。
plot(z)输出散点图
方差分析，anova()
作出预测，predict(a,z)
打印模型信息print(a)
计算残差residuals(a)
计算残差平方和deviance(a)
提取模型公式formula(a)
求模型系数coef(a)
标签：
原文地址：http://www.cnblogs.com/xp12/p/4248150.html
