机器学习实用案例解析--读书笔记

第五章 线性回归

• 对于一个给定的数据集，我们想用线性回归来进行预测
  fitted.regression <- lm(y~x,datasource)

• 接下来要进行直线的位置参数的求解
  [intercept slope] = ceof(fitted.regression)

• 求解出直线以后，要对我们求出的直线进行评估，主要通过残差平方和
  errors <- residuals(fitted.regression)
  squred.errors <- errors ^ 2

• 但是残差平方和会受到数据集大小的影响，所以使用残差平方和的均值MSE
  mse <- mean(squared.errors)

• 然而平均偏离量较大时，还是会把这种偏离的影响扩大，因为是先求了平方再求得均值，所以用均方误差 RSME
  rsme <- sqrt(mse)

• 但是我们没有一个标准说RSME到多大是不好的，所以我们R^2来解决
  r2 <- 1- (model.rmse/mean.rmse)