2022年3月13日
简单线性回归、多元线性回归、交互项、预测变量的非线性变换、定性预测变量
摘要： 简单线性回归 library(ISLR) library(class) library(MASS) fix(Boston) #弹出数据编辑器 names(Boston) #基本句法是 lm (y ~ x , data) ，其中y是响应变量，x是预测变量，data是这两个变量所属的数据集。 lm.fi 阅读全文
posted @ 2022-03-13 14:43 zhang-X 阅读(982) 评论(1) 推荐(1)
逻辑回归（Logistic）及案例分析、线性判别分析（LDA）、二次判别分析（QDA）
摘要： 逻辑回归：股票市场数据 library(ISLR) names(Smarket) dim(Smarket) summary(Smarket) pairs(Smarket) #pairs（）函数用于返回一个绘图矩阵，由每个 DataFrame 对应的散点图组成。 cor(Smarket[,-9]) # 阅读全文
posted @ 2022-03-13 14:13 zhang-X 阅读(2149) 评论(0) 推荐(0)
主成分分析（PCA）及案例分析
摘要： 主成分分析（parincipal component analysis,PCA） #对 USA ests 数据集进行 PCA， PCA 包肯在基础软件包中。 states=row.names(USArrests) #数据集包含50个州 states #显示50个州的名字 names(USArrest 阅读全文
posted @ 2022-03-13 13:56 zhang-X 阅读(2734) 评论(0) 推荐(0)
袋装法、随机森林、提升法（回归）
摘要： 袋装法 #装袋法是随机森林在 m=p 时的一种特殊情况。 因此函数 randomForest() 既可以用来做随机森林，也可以执行装袋法。 library(randomForest) set.seed(1) dim(Boston) bag.boston=randomForest(medv~.,dat 阅读全文
posted @ 2022-03-13 13:37 zhang-X 阅读(848) 评论(1) 推荐(0)
主成分回归（PCR）和最小二乘回归（PLS）
摘要： 主成分回归（principal components regression, PCR） #使用 p1s 库中的 pcr ()渴数实现主成分回归 (PCR) #install.packages("pls") library(pls) set.seed(2) pcr.fit=pcr(Salary~., 阅读全文
posted @ 2022-03-13 12:50 zhang-X 阅读(2165) 评论(0) 推荐(0)
模型子集选择方法（最优子集选择、向前逐步选择、向后逐步选择、验证集方法、交叉验证法）
摘要： 子集选择方法：最优子集选择 #Hitters (棒球)数据集实践最优于集选择方法 library(ISLR) fix(Hitters) names(Hitters) dim(Hitters) sum(is.na(Hitters$Salary)) Hitters<-na.omit(Hitters) # 阅读全文
posted @ 2022-03-13 11:05 zhang-X 阅读(3528) 评论(0) 推荐(0)
重抽样方法（验证集方法、留一交叉验证法LOOCV、K折交叉验证法）
摘要： 验证集方法 library(ISLR) set.seed(1) Train<-sample(392,196) #用sample ()函数把观测集分为两半，从原始的 392 个观测中随机地选取一个有 196个观测的子集，作为训练集。 lm.fit<-lm(mpg~horsepower,data=Aut 阅读全文
posted @ 2022-03-13 10:51 zhang-X 阅读(755) 评论(0) 推荐(0)