(ISLR-note)Chapter3-Experience：高级多元线性回归

一、交互项

① 语句lstat : black —— 将lstat和black的交互项lstat x age纳入模型
② 语句lstat * age —— 将lstat，age和交互项lstat x age同时作为预测变量
（即lstat * age = lstat + age + lstat x age）

二、预测变量的非线性变换

1.创建非一次变量： I()，如 I(X^2)

2.量化乙模型在何种程度上优于甲模型，用anova()函数：

如果输入：

  par(mfrow = c(2,2) )
  plot(lm.fit2)

就可以看到当模型包含lstat^2时，残差中可识别的规律很少。


3.创建高阶多项式的便捷方式：poly(变量x, 次方k)

 #  poly(lstat,5) = lstat + lstat^2 + lstat^3 + lstat^4 + lstat^5

4.对预测变量进行对数转换：

lm.fitlog = lm(medv~log(rm))	# log()

三、定性预测变量

对于定性变量Shelveloc，R将自动生成虚拟变量

R创建了虚拟变量ShelveLocGood，如果货架位置好，值为1，否则为0；还创建了虚拟变量ShelveLocMedium，如果货架位置属于中等水平，值为1，否则为0.