zoukankan      html  css  js  c++  java
  • 线性回归

    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:残差的最小值,下四分卫数,中位数,上四分位数,最大值,t值,t值置信区间

        相关系数平方

        F检验值

        显著性标记:极度、高度、显著、不太显著,不显著

        计算残差平方和

        预测

        方差分析,函数anova() 

        内推插值

      多元线性回归模型

        哑变量

        加法模型

        乘法模型

        逐步回归 step函数 AIC准则、BIC准则

          向前引用发

          向后剔除法

          逐步筛选法

          add1()

          drop1()

        修正拟合模型

        update函数

        

      回归诊断

      

        

        

        

  • 相关阅读:
    看一看Vue.js
    Docker笔记
    Termux使用记录
    【Selenium】利用Cookies登录京东并添加商品至购物车以及结算
    GB 26149-2017 测试项目及要求
    【LeetCode】41. 缺失的第一个正数
    【数据结构】7. 排序
    【数据结构】6. 查找
    【数据结构】5. 图
    【数据结构】4. 树与二叉树
  • 原文地址:https://www.cnblogs.com/geek-ace/p/9068221.html
Copyright © 2011-2022 走看看