在我们平时做回归的时候,大部分都是假定自变量和因变量是线性,但有时候自变量和因变量可能是非线性的,这时候我们就可能需要多项式回归了,多项式回归就是自变量和因变量是非线性所做的一个回归模型,其表达式:
Y=A0 A1X1 A2X2^2 ANXN^2 u
公式存手打,不是很好看,其特定就是右边的等式只有一个自变量,但却以不同的次幂出现,这时候在令Xn^n=XnJ,将模型转换成相应的多元线性回归模型
Y=A0 A1X1J A2X2J A3X3J.... u等,从而可以使用最小二乘法进行参数估计;
R语言代码,这里我使用R语言自带的身高体重的数据作为示例,也好久没做一个完整的分析了,这次稍微分析全一些,可以参考《R语言实战》回归篇
确定问题
首先我们要想知道升高和体重是否有什么关联,如果有关联那又是怎么样的关联呢?
数据说明
这里我们使用R语言自带的women数据集,这个不需要安装说明包,R语言自己就自带了,存在两个字段,体重和身高
height 身高
weight 体重
数据探索和可视化
首先我们先使用head()函数看看数据的前六行,因为这样我们可以大致确定数据集的字段名称和数据内容;然后在使用summary()得到数据集的总概括
head(women)
体重的数值大约是是身高的一半,这是我们的猜测;
summary(women)