本文介绍了R语言中的回归分析，包括简单线性回归、多项式回归和多元式回归。通过lm()函数建立模型，并详细讲解了如何评估模型，如正态性、独立性、线性和多重共线性的检查。此外，还讨论了异常点的识别，如离群点、高杠杆值点和强影响点，并提供了相应的检测方法。最后，阐述了如何选择最佳模型和判断因变量的重要性。
R语言可以进行各种数学分析，如可以进行预测，求异常产品等等，在进行预测问题时用的最多的为回归方法，当然了这种方法虽然简便，但其预测结果通常不是太准确，这是其一个主要的缺点
1.回归：探测自变量和因变量的相关关系，或者可以理解为通过自变量预测因变量，接下来的回归方法都是比较适用于连续数值，至于类别型变量的回归在接下来的章节中会再进行介绍
2.回归有以下几种：
简单线性回归：y=a+bx lm(y~x,data=...)
多项式回归: y=a+b*x+c*x*x+d*x*x*x+... lm(y~x+I(x^2)+I(x^3),data=...)
多元式回归：
y=a+bx+cz+d*x*z+..... lm(y~x+z+x:z,data=....)
最低0.47元/天 解锁文章
扫一扫
600
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
