使用R语言进行简单线性回归模型拟合的实例

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：

1. 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)

2. 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")

3. 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