Regresión lineal en r
La exploración de regresión es una técnica estadística popular para establecer un modelo de la relación entre dos variables. Una de estas variables se conoce como una variable predictor, y su valor se determina a través de los estudios. La variable de respuesta es la otra variable, y la variable predictor le permite obtener un valor.
¿Cuál es la regresión lineal en el lenguaje de programación R en Ubuntu 20?.04?
Las dos variables están vinculadas por una ecuación en regresión lineal, donde el poder exponencial de ambas variables es una. Cuando se representa como un gráfico, una conexión lineal indica una línea recta en matemáticas. Una curva se forma mediante una conexión no lineal en la que el valor exponencial de cualquier variable no es equivalente a una.
Sintaxis de regresión lineal en la ecuación matemática:
La regresión lineal tiene la ecuación matemática total posterior:
y = ax+b
Sintaxis de la regresión lineal en el lenguaje de programación R:
En R, la sintaxis básica para realizar un análisis de regresión es la siguiente:
lm (y ~ x)
Donde y es el elemento que contiene la variable a predecir que depende, y X es la fórmula del modelo matemático. El comando lm () devuelve los coeficientes X pero no tiene otros datos estadísticos. Podemos usar la función lm () para crear un modelo de relación entre el predictor y la variable de respuesta.
Cómo se usa la regresión lineal en R en Ubuntu 20.04
Los siguientes son los cuatro pasos para establecer una relación:
- Usando los métodos LM () en R, construir un modelo de relación.
- Recolecte los coeficientes primero del modelo que construyó y úselos para crear la ecuación matemática.
- Para descubrir la inexactitud promedio en la predicción, obtenga un resumen del modelo de relación también conocido como residuos.
- Use la función Predicto () en R para predecir el nuevo valor para la intersección X.
Ejemplo #1: Obtenga los coeficientes de regresión creando un modelo de relación
Aquí, creamos el modelo de relación simple de las dos variables para realizar la regresión utilizando la función LM (). Esto nos consigue los coeficientes del modelo de relación. Demostremos esto usando el siguiente script:
Como se muestra en el ejemplo anterior, declaramos una variable "A" que se inicializa con algún número aleatorio como representación vectorial. Luego, creamos otra variable a la que también asignamos con la colección de los números aleatorios. La función lm () se llama dentro de la nueva relación variable. A esta función lm (), pasamos las variables "A" y "B" para generar las relaciones entre ellas. A la función de impresión, la variable de relación se pasa para mostrar la salida.
Cuando se ejecuta el código de regresión anterior, muestra la regresión de los resultados del coeficiente de la variable "A".
Ejemplo #2: Obtenga un resumen de relación
El método de resumen () en R se puede usar para ver los resultados del modelo. Esta función crea una tabla con las entradas más esenciales del modelo lineal.
Aquí, creamos la variable "A" a la que asignamos la colección de algunos números. Hay otra variable "B" que también tiene algún número aleatorio. Estas variables ahora se llaman dentro de la función lm () que se almacena en la relación variable. Aquí, la variable "B" es la variable dependiente que se debe predecir. En la función de impresión, tenemos una función resumida para la relación de regresión. Pasamos la variable de relación dentro de la función de resumen como entrada.
Esta tabla de salida resume la fórmula que generó los resultados ("llamar") y describe los residuos del modelo ("residuos"), que representan cómo todo el modelo se ajusta a los datos reales. La tabla de "coeficientes" viene a continuación. La primera fila muestra las estimaciones de intersección y, mientras que la segunda fila muestra el coeficiente de regresión del modelo.
Ejemplo # 3: Uso de la función de predicción para nuevos valores
Usamos la función de predicción en regresión lineal para los nuevos valores. Esta función toma dos parámetros al objeto y los datos recién creados, que es el vector. La fórmula que ya se ha producido con la función LM () se llama objeto. Los nuevos datos vectoriales comprenden el valor novedoso para la variable predictor.
Como se refleja en la imagen anterior, primero creamos dos vectores, "V1" y "V2". Luego, llamamos a estos vectores en la función LM (). El vector "V1" es la variable predicha y el "V2" es la variable de respuesta. Luego, con la nueva variable "X", encontramos que el nuevo valor con el "V1" es igual a 150. La función de predicción toma el objeto "x" y la función lm () resulta.
Cuando se ejecuta el script R anterior, genera los siguientes resultados:
Ejemplo #4: Renderizar la trama de regresión lineal
También podemos crear la trama de regresión del revestimiento en R. Visualizamos el gráfico de regresión lineal del siguiente script:
Creamos la variable predictor y respuesta como "x" y "y". Luego, los llamamos dentro de la función LM (). Se crea el archivo PNG de trazado donde se visualiza el gráfico. Luego, diseñamos nuestra gráfica de regresión lineal con algunas entradas en la función de gráfico.
Puedes ver la trama de regresión lineal de la siguiente manera:
Conclusión
La regresión lineal del artículo en R termina aquí. La regresión lineal es un tema muy vasto, pero entregamos todas las explicaciones posibles que se requieren para este tema. El enlace entre dos variables se puede estimar utilizando regresión lineal. Aquí, cubrimos algunos ejemplos de regresión lineal. Tenemos la función lm () utilizada en la regresión lineal. Luego, comprendimos la función de resumen de regresión lineal. La función de predicción también se demuestra y también representamos la regresión lineal gráficamente.