R语言回归分析

回归分析相关函数：

1. help(lm)：查看lm函数的帮助信息
2. lm(y~x)：预测y和x的线性关系，lm的使用很灵活，具体能够参考帮助文档。lm(y~1+x)/lm(y~x)均表示y=a+bx有截距形式的线性模型，lm(y~x-1)/lm(y~x+0)/lm(y~0+x)表明的是算出来的模型要过原点
3. summary(lm(y~x))：查看lm函数预测出来的线性模型y~x的相关信息，提取模型汇总资料
4. coef(z)：返回模型的系数
5. formula(lm(y~x+1))：提取模型的公式
6. deviance(z)：计算残差平方和，也就是方差
7. residuals(z)：显示每一项样本的残差
8. plot(z)：绘制模型图，要把R命令窗口最大化才能看到图形，按enter查看下一个图形，要所有看完全部图形，不然无法回到命令行
9. print(z)：简单打印模型信息
10. anova(z)：计算方差分析表
11. predict(z,data.frame(x=3))：经过模型z预测数据3的值

回归分析注意点：

1. 回归问题擅长于内推插值，而不擅长于外推概括，在使用回归模型作预测时要注意x适用的取值范围。好比说身高，若是不在x的取值范围内，就不能预测了。
2. 哑变量/虚拟变量：哑变量 虚拟变量 线性回归

回归分析的简单步骤：

#创建数据：身高-体重
x=c(171,175,159,155,152,158,154,164,168,166,159,164)
y=c(57,64,41,38,35,44,41,51,57,49,47,46)
#创建线性模型
z=lm(y~x)
#提取模型公式
formula(z)
#绘制模型
plot(z)

遗留问题： 逐步回归，step方法等，在ML02e.mp4有涉及到

回归分析预测法