机器学习笔记--回归分析(1)

一、重点

回归分析就是利用样本（已知数据），产生拟合方程，从而（对未知数据）迚行预测

• 用途：预测，判别合理性
• 例子：利用身高预测体重；利用广告费用预测商品销售额；等等.
• 线性回归分析：一元线性（直线拟合，因变量只有一个）；多元线性（平面拟合，多因变量）；广义线性
• 非线性回归分析
• 困难：选定变量（多元、将多元整合为单变量：降维），避免多重共线性（使用可以由其它变量推出来的变量，回归模型误差会很大：观察、消除），观察拟合方程，避免过度拟合（给定一个假设空间H，一个假设h属于H，如果存在其他的假设h’属于H,使得在训练样例上h的错误率比h’小，但在整个实例分布上h’比h的错误率小，那么就说假设h过度拟合训练数据），检验模型是否合理

二、关系

1.  函数关系

确定性的关系：y=3+10*x

2.  相关关系

非确定性关系，例如你的物理成绩和化学成绩的关系（比如取决于数学运用能力）：

相关系数：使用相关系数去判断是否适合去做回归模型，来衡量

X_i，Y_i即第n次取样，也称作观测值

：平均值

其范围在[-1，1] （柯西不等式可证），正：正相关否则负相关，越是接近1，越适合使用直线进行拟合

三、 一元线性回归模型

1.  误差平方和

假设线性回归模型为y=a+bx

即每个观测点纵坐标与方程上该点值的差的平方的和，这样在观测点已知时使得RSS最小去求a和b的值，即极值问题

求对a和b的偏导数使其等于0就可以算出a与b的值，求得回归参数：

2.  例子（R）：

>y=c(61,57,58,40,90,35,68)//y由7个样本组成的向量

>x=c(170,168,175,153,185,135,172)

>plot（x,y）//画出散点图,如图

>a=lm(y~x+1)//构建模型，假设y=ax+b

>summary(a)//查看结果

汇总数据的解释：

• Residuals：参差分析数据，即误差
• Coefficients：回归方程的系数（截距和斜率），以及推算的系数的标准差，t值，P-值
• F-statistic：F检验值
• Signif：显著性标记，***极度显著，**高度显著，*显著，圆点不太显著，没有记号不显著    
• Multiple R-squared：相关系数，一般达到0.5以上就比较相关

       预测：

       > z=data.frame(x=185)

       > predict(a,z)

       如果规定模型必须过原点：

       >w=lm(y~x-1)

3.  其它命令

求模型系数

> coef(a)

提取模型公式

> formula(a)

计算残差平方和

> deviance(a)

计算残差

> residuals(a)

机器学习笔记--回归分析(1)

原文：http://blog.csdn.net/jordandandan/article/details/44591681