原文链接:/?p=22531
原文出处:拓端数据部落公众号
对于线性关系,我们可以进行简单的线性回归。对于其他关系,我们可以尝试拟合一条曲线。
曲线拟合是构建一条曲线或数学函数的过程,它对一系列数据点具有最佳的拟合效果。
使用示例数据集
#我们将使Y成为因变量,X成为预测变量#因变量通常在Y轴上plot(x,y,pch=19)
看起来我们可以拟合一条曲线。
#拟合一次多项式方程。fit <- lm(y~x)#二次fit2 <- lm(y~poly(x,2)#三次......#生成50个数字的范围,从30开始到160结束xx <- seq(30,160, length=50)lines(xx, predict(fit, xx)
我们可以看到每条曲线的拟合程度。
我们可以使用summary()函数对拟合结果进行更详细的统计。
使用不同多项式R平方的总结。
1st: 0.57592nd: 0.94743rd: 0.99244th: 0.9943
我们可以用 "方差分析 "来比较不同的模型。
Pr(>F)值是拒绝无效假设的概率,即一个模型不比另一个模型更适合。我们有非常显著的P值,所以我们可以拒绝无效假设,即fit2比fit提供了更好的拟合。
我们还可以创建一个反映多项式方程的函数。
从三次多项式推算出来的数值与原始数值有很好的拟合,我们可以从R-squared值中得知。
结论
对于非线性曲线拟合,我们可以使用lm()和poly()函数,这也为多项式函数对数据集的拟合程度提供了有用的统计数据。我们还可以使用方差分析测试来评估不同模型之间的对比程度。从模型中可以定义一个反映多项式函数的函数,它可以用来推算因变量。
yy<-third(xx,fit)plot(xx,yy)
最受欢迎的见解
1.R语言多元Logistic逻辑回归 应用案例
2.面板平滑转移回归(PSTR)分析案例实现
3.matlab中的偏最小二乘回归(PLSR)和主成分回归(PCR)
4.R语言泊松Poisson回归模型分析案例
5.R语言回归中的Hosmer-Lemeshow拟合优度检验
6.r语言中对LASSO回归,Ridge岭回归和Elastic Net模型实现
7.在R语言中实现Logistic逻辑回归
8.python用线性回归预测股票价格
9.R语言如何在生存分析与Cox回归中计算IDI,NRI指标