原文連結：http://tecdat.cn/?p=22531
原文出處：拓端資料部落公衆号
對于線性關系，我們可以進行簡單的線性回歸。對于其他關系，我們可以嘗試拟合一條曲線。
曲線拟合是建構一條曲線或數學函數的過程，它對一系列資料點具有最佳的拟合效果。
使用示例資料集
- #我們将使Y成為因變量，X成為預測變量
- #因變量通常在Y軸上
- plot(x,y,pch=19)
看起來我們可以拟合一條曲線。
- #拟合一次多項式方程。
- fit <- lm(y~x)
- #二次
- fit2 <- lm(y~poly(x,2)
- #三次
- ......
- #生成50個數字的範圍，從30開始到160結束
- xx <- seq(30,160, length=50)
- lines(xx, predict(fit, xx)
我們可以看到每條曲線的拟合程度。
我們可以使用summary()函數對拟合結果進行更詳細的統計。
使用不同多項式R平方的總結。
- 1st: 0.5759
- 2nd: 0.9474
- 3rd: 0.9924
- 4th: 0.9943
我們可以用 "方差分析 "來比較不同的模型。
Pr(>F)值是拒絕無效假設的機率，即一個模型不比另一個模型更适合。我們有非常顯著的P值，是以我們可以拒絕無效假設，即fit2比fit提供了更好的拟合。
我們還可以建立一個反映多項式方程的函數。
從三次多項式推算出來的數值與原始數值有很好的拟合，我們可以從R-squared值中得知。
結論
對于非線性曲線拟合，我們可以使用lm()和poly()函數，這也為多項式函數對資料集的拟合程度提供了有用的統計資料。我們還可以使用方差分析測試來評估不同模型之間的對比程度。從模型中可以定義一個反映多項式函數的函數，它可以用來推算因變量。
- yy<-third(xx,fit)
- plot(xx,yy)
最受歡迎的見解
1.R語言多元Logistic邏輯回歸 應用案例
2.面闆平滑轉移回歸(PSTR)分析案例實作
3.matlab中的偏最小二乘回歸（PLSR）和主成分回歸（PCR）
4.R語言泊松Poisson回歸模型分析案例
5.R語言回歸中的Hosmer-Lemeshow拟合優度檢驗
6.r語言中對LASSO回歸，Ridge嶺回歸和Elastic Net模型實作
7.在R語言中實作Logistic邏輯回歸
8.python用線性回歸預測股票價格
9.R語言如何在生存分析與Cox回歸中計算IDI，NRI名額
▍關注我們
【大資料部落】第三方資料服務提供商,提供全面的統計分析與資料挖掘咨詢服務,為客戶定制個性化的資料解決方案與行業報告等。
▍咨詢連結：http://y0.cn/teradat
▍聯系郵箱：[email protected]