机器学习-线性回归补充-R^

Posted grayling

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习-线性回归补充-R^相关的知识,希望对你有一定的参考价值。

线性回归算法在选自变量会遇到两个问题:一是去掉多重共线性干扰,二是选择最优自变量组合。

线性回归步骤

1.选择自变量

注意点 去掉多重共线性干扰,选择最优自变量组合。这里需要理解决定系数:R^。它是理解选自变量两个问题的基础。

2.创建线线回归模型

3.分析模型

 

R^

表示因变量波动中被模型拟合的百分比,作用是衡量模型拟合数据的好坏。

数学公式定义

技术图片

技术图片

普通R^ 建议在单自变量中使用

调整R^

当模型的输入自变量有一个以上时候,我们要对R^作出调整,这时候它被称为调整R^

技术图片

 调整R^建议在多自变量中使用。

基于线性回归模型了解R^取值范围所表示的意义

 

理解基于多种自变量模型的调整R^的定义及必要性

在原始数据中加入一个无关的自变量,R^会随之被误导而增加。下图就是在原始数据中增加了一列,与数据无关的掷硬币结果。

技术图片

 取值区间经验判断

 技术图片

 

以上是关于机器学习-线性回归补充-R^的主要内容,如果未能解决你的问题,请参考以下文章

关于机器学习中一般线性回归的补充

机器学习-线性回归(基于R语言)

机器学习--线性回归R语言

关于机器学习中基于对数线性回归模型的讨论

第四篇[机器学习] 机器学习,线性回归的优化

ML_6机器学习重要概念补充