机器学习-线性回归补充-R^

线性回归算法在选自变量会遇到两个问题：一是去掉多重共线性干扰，二是选择最优自变量组合。

线性回归步骤

1.选择自变量

注意点 去掉多重共线性干扰，选择最优自变量组合。这里需要理解决定系数：R^。它是理解选自变量两个问题的基础。

2.创建线线回归模型

3.分析模型

 

R^

表示因变量波动中被模型拟合的百分比，作用是衡量模型拟合数据的好坏。

数学公式定义

普通R^ 建议在单自变量中使用

调整R^

当模型的输入自变量有一个以上时候，我们要对R^作出调整，这时候它被称为调整R^

 调整R^建议在多自变量中使用。

基于线性回归模型了解R^取值范围所表示的意义

 

理解基于多种自变量模型的调整R^的定义及必要性

在原始数据中加入一个无关的自变量，R^会随之被误导而增加。下图就是在原始数据中增加了一列，与数据无关的掷硬币结果。

 取值区间经验判断

 

 

转载于:https://www.cnblogs.com/Grayling/p/10990322.html