R语言中的多项式回归、局部回归、核平滑和平滑样条回归模型

全文下载链接：http://tecdat.cn/?p=20531

当线性假设无法满足时，可以考虑使用其他方法（点击文末“阅读原文”获取完整代码数据）。

相关视频

多项式回归

扩展可能是假设某些多项式函数，

同样，在标准线性模型方法（使用GLM的条件正态分布）中，参数  可以使用最小二乘法获得，其中  在  。

即使此多项式模型不是真正的多项式模型，也可能仍然是一个很好的近似值 。实际上，根据 Stone-Weierstrass定理，如果  在某个区间上是连续的，则有一个统一的近似值  ，通过多项式函数。

仅作说明，请考虑以下数据集

db = data.frame(x=xr,y=yr)
plot(db)

与标准回归线

reg = lm(y ~ x,data=db)
abline(reg,col="red")

考虑一些多项式回归。如果多项式函数的次数足够大，则可以获得任何一种模型，

reg=lm(y~poly(x,5),data=db)

但是，如果次数太大，那么会获得太多的“波动”，

---

点击标题查阅往期内容

R语言ISLR工资数据进行多项式回归和样条回归分析

左右滑动查看更多

01

02

03

04

reg=lm(y~poly(x,25),data=db)

并且估计值可能不可靠：如果我们更改一个点，则可能会发生（局部）更改