数据代码分享 |
您所在的位置:网站首页 › 体脂数据图 › 数据代码分享 |
全文链接:http://tecdat.cn/?p=32520 通常在现实应用中,我们需要去理解一个变量是如何被一些其他变量所决定的(点击文末“阅读原文”获取完整代码数据)。 相关视频 回答这样的问题,需要我们去建立一个模型。一个模型就是一个公式之中,一个因变量(dependent variable)(需要预测的值)会随着一个或多个数值型的自变量(independent variable)(预测变量)而改变的。我们能够构建的最简单的模型之一就是线性模型,我们可以假设因变量和自变量间是线性的关系。回归分方法可用于预测数值型数据以及量化预测结果与其预测变量之间关系的大小及强度。本文将介绍如何将回归方法应用到你自己的数据中,主要介绍学习内容: 用线性回归方法来拟合数据方程的基本统计原则和它们如何描述数据元素之间的关系。 如何使用R准备数据进行回归分析(查看文末了解数据免费获取方式),定义一个线性方程并估计回归模型。 案例1:体脂数据回归分析data=read.table("bodyfat.txt",header=F)给变量名赋值 colnames(data)=c("Density determined from underwater weighing","Percent body fat from Siri's (1956) equation","Age","Weight","数据相关图点击标题查阅往期内容 R语言逐步多元回归模型分析长鼻鱼密度影响因素 左右滑动查看更多 01 02 **03 04 回归分析由于P |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |