使用R语言进行简单线性回归模型拟合的实例
简介:
在数据分析和机器学习中,线性回归是一种常用的预测模型。它通过建立自变量(也称为特征或解释变量)与因变量之间的线性关系,来进行预测或分析。本文将使用R语言创建一些模拟数据,并使用简单线性回归模型对其进行拟合。
步骤:
- 准备数据
首先,我们需要创建一些模拟数据来进行回归分析。在本例中,我们假设自变量(x)和因变量(y)之间存在线性关系。我们将生成一组x值,并使用线性方程y = 2x + 3来计算相应的y值。
# 设置随机数种子
set.seed(1)
# 生成自变量x
x <- seq(1, 10, by = 0.5)
# 计算因变量y
y <- 2 * x + 3
# 添加随机噪声
y <- y + rnorm(length(x), mean = 0, sd = 1)
# 创建数据框
data <- data.frame(x, y)
- 可视化数据
在拟合线性回归模型之前,我们可以先通过绘制散点图来可视化数据,以便更好地理解自变量和因变量之间的关系。
# 绘制散点图
plot(y ~ x, data = data, main = "Scatter Plot of Simulated Data",
xlab = "x", ylab = "y")
- 拟合线性回归模型
使用lm()函数可以拟合一个简单的线性回归模