文章目錄

• R語言
• 一、散點圖
• 二、補充

---

R語言

從上一章開始，就都涉及到R語言的內容了，在這記錄一下，就當給自己做的筆記。

---

一、散點圖

這次要繪制的是散點圖，并且求出它的回歸方程。

首先，還是加載csv文件。和上一個一樣就不多寫了。

之后就可以直接繪制散點圖了。
這個圖主要是比較職員期望的加薪幅度和實際的加薪幅度，并且依據數據建立回歸模型，用來分析加薪幅度，以便獲取大幅度的加薪。

plot(x, y)

最后圖片長這樣。

計算相關系數r
r用來量度變量的相關性。r的范圍為-1~1，0表示無相關性，1和-1則表示這兩個變量完全相關。

cor(x, y)

創建回歸方程
每當R創建一個線性模型，R就會在記憶庫里創建一個對象，這個對象有一長串屬性，其中包括回歸方程的系數。知道了系數就能寫出回歸方程咯。

myLm <- lm(x~y， data=你加載出來的數據) myLm$coefficients

對該對象進行匯總

summary(myLm)

這里出現均方根誤差（又稱機會誤差或σ），這是第十一章的內容。
在使用回歸方程進行預測的時候，難免會出現誤差，我們可以用均方根誤差來定量表示殘差分布，即表現出觀察結果相對于回歸線的平均偏移量。

也可以直接通過代碼語句直接查看均方根誤差的值。

summary(myLm)$sigma

分割數據
從上面的散點圖可以看出來，左側的數據誤差很小，二右側的數據誤差較大。所以直接計算出來的回歸方程的誤差就會較大。因此為了減小誤差，我們選擇分割數據，將左側和右側的數據分割開，分別計算各自的回歸曲線及均方根誤差。
這里就直接展示拆分后對比了。

二、補充

• lm函數

lm函數用于擬合回歸模型，是擬合回歸模型里面最基本的函數。
格式如下：

lm(formula, data)

formula指要擬合的數據模型；
data指用于擬合的數據。
之后返回的對象中包含該擬合模型的信息。

• plot()

plot(x=x軸數據,y=y軸數據,main="標題",sub="子標題"，type="線型",xlab="x軸名稱"，ylab="y軸名稱"，xlim = c(x軸范圍，x軸范圍),ylim = c(y軸范圍,y軸范圍))

總結

以上是生活随笔為你收集整理的《深入浅出数据分析》第十章第十一章的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。