R语言学习笔记_20240702_03

summary、lm、predict

summary() 是一个通用函数，它可以根据不同的类(class)调用不同的方法
lm() 是 R 语言中用于拟合线性模型的函数。
predict() 是 R 语言中用于根据模型进行预测的函数，常用于回归和分类模型。

data(iris) # Edgar Anderson的鸢尾花数据
summary(iris) #数据框摘要
#拟合线性模型
irisLm <- lm(Sepal.Length ~ Sepal.Width + Species, data=iris)
summary(irisLm) #模型摘要
plot(irisLm) #可视化模型结果
# 创建新的数据框来包含新的观测值
mynewdata <- data.frame(
  Sepal.Width = c(3.0, 3.5),  # 新的萼片宽度
  Species = c("setosa", "versicolor")  # 新的物种类型
)
# 预测新数据的 Sepal.Length
predicted_lengths <- predict(irisLm , newdata= mynewdata)

在使用predict()，进行预测需要根据模型表达式，给出包含模型右侧变量的数据框。

plot() 函数

使用 plot() 函数并传入一个由 lm() 拟合的线性模型对象时，R 会生成一系列的诊断图 :
可以通过 which 参数指定不同的诊断图。以下是 which = 1 到 which = 6 分别代表的图形：

which = 1：残差与拟合值的图（Residuals vs. Fitted）。显示残差随拟合值的变化，检查是否存在模式或非随机结构。

which = 2：标准化残差的 Q-Q 图（Normal Q-Q plot）。展示标准化残差与正态分布的比较，用于检查残差的正态性。
which = 3：尺度-位置图（Scale-Location plot）。这是残差与拟合值的另一种表示，其中残差被缩放到拟合值的尺度。

which = 4：Cook’s 距离图（Cook’s distance plot）。显示每个观测值的 Cook’s 距离，用于识别对模型拟合有较大影响的点。

which = 5：残差与杠杆值（leverage）的图（Residuals vs. Leverage）。杠杆值衡量观测值对拟合值的影响。图中可能包含一个红色的轮廓线，表示具有高杠杆值的点。

which = 6：Cook’s 距离（Cook’s distance）与杠杆值（leverage）的图。用于识别对线性回归模型拟合有较大影响的观测点。图中的点如果远离原点，特别是 Cook’s 距离较高的点，可能表明这些观测值对模型的拟合有较大的影响，需要进一步的调查或考虑从模型中排除。

iris数据集

iris 是 R 语言中内置的一个非常著名的数据集，它包含了来自三种不同鸢尾花（Iris setosa, Iris versicolor, 和 Iris virginica）的测量数据。每种花都有 50 个样本，因此整个数据集总共包含 150 个样本。每个样本都有以下四个度量特征：

项目	Value
Sepal.Length	萼片长度，单位为厘米。
Sepal.Width	萼片宽度，单位为厘米。
Petal.Length	花瓣长度，单位为厘米。
Petal.Width	花瓣宽度，单位为厘米。
Species	花的种类，是一个分类变量，包含三个水平：setosa, versicolor 和 virginica。

这个数据集通常用于测试统计方法和机器学习算法，特别是用于分类和回归任务。由于其数据量适中、特征数量有限且包含分类变量，iris 数据集是进行数据可视化、探索性数据分析和模型演示的理想选择。