회귀 방정식을 이용한 예측 R

Question

우선 R에 대해 매우 익숙하다는 말을 듣고 제 질문이 이상하게 들릴 수도 있습니다. 높이에서 개인의 체중을 예측하고 싶습니다. 이를 위해 나는이 문제에 대한 (다음과 같은 형태로) 회귀 직선의 방정식을 찾아야 :

무게 = 절편 + (기울기) x 높이 데이터의

나는했습니다 다음과 같은 형식을?

당신은 lm 기능이 작업을 수행 할 수 회귀선 방정식을

dat <- read.table(text = "SampleNo,Height,Weight 
          1,65.78,112.99 
          2,71.52,136.49 
          3,69.40,153.03 
          4,68.22,142.34 
          5,67.79,144.30 
          6,68.70,123.30 
          7,69.80,141.49 
          8,70.01,136.46 
          9,67.90,112.37", 
        sep = ",", header = T) 

Answer 1

을 찾는 방법에 대한 어떤 생각.

lm1 <- lm(Weight ~ Height, data = dat) 

나는 내가 구문 Weight ~ Height을 사용 Height의 함수로 Weight을 예측합니다.

마지막으로 Height 및 절편에 대한 계수를 얻으려면 lm1 개체에서 coefficients 함수를 실행합니다. 내가 Heights의 특정 세트 Weight에 대한 결과를 예측하려면

coefficients(lm1) 
    (Intercept)  Height 
    -177.650244 4.525168 

, 나는 다음에 그 작업을 수행 할 수 있습니다

> predict(lm1, newdata = data.frame((Height = c(65, 68.5, 71.6)))) 
     1  2  3 
116.4857 132.3238 146.3518 

당신은 summary 기능을 사용하여 착용감에 대한 자세한 정보를 얻을 수 있습니다 lm1 개체에서 이

summary(lm1) 

Call: 
lm(formula = Weight ~ Height, data = vals) 

Residuals: 
    Min  1Q Median  3Q  Max 
-17.239 -9.500 -2.697 11.283 16.634 

Coefficients: 
      Estimate Std. Error t value Pr(>|t|) 
(Intercept) -177.650 193.247 -0.919 0.389 
Height   4.525  2.808 1.611 0.151 

Residual standard error: 13.03 on 7 degrees of freedom 
Multiple R-squared: 0.2705, Adjusted R-squared: 0.1663 
F-statistic: 2.596 on 1 and 7 DF, p-value: 0.1512 

R의 회귀 및 기타 여러 기계 학습 기술에 대한 좋은 (무료) 자원

는 here를 찾을 수 있습니다 ... 등, 추정에 R^2 개 값, 더 많은 정보를 제공 할 것입니다. 통계에 대해 배우고 그 방법을 R에 구현하는 방법에 대한 훌륭한 책입니다.