线性回归模型lm函数详解及简单线性回归案例演示

4017未经授权,禁止转载
线性回归R语言、数据挖掘线性回归模型lm函数lm函数线性模型响应变量解释变量交互项预测变量多项式回归模型拟合方差分析标准误差
本视频讨论了线性模型(LM)的构建,涉及LM函数的使用和各种预测变量间的交互,包括解释如何设定响应变量和自变量、变量之间的加法与交互作用(如冒号表示交互项,星号代表所有交互,点号表示包含所有变量)。视频还介绍了模型系数的解释,如截距项、回归系数和P值,并说明了如何判断系数的显著性。此外,讲述了二平方和的意义,表示模型能解释的方差比例,以及如何使用特定函数对模型进行诊断和预测。内容适宜于对线性模型构建有一定基础的数据科学家、统计分析师、经济学家或任何有兴趣掌握回归分析方法的专业人士。
讨论{{interaction.discussNum ? '(' + interaction.discussNum + ')' : ''}}
ad
发布
头像

{{ item.user.nick_name }} {{ EROLE_NAME[item.user.identity] }}

置顶笔记
讨论图
{{ item.create_time }}回复
  • 删除

    是否确认删除?

    确认
    取消
  • {{ item.is_top == 1 ? '取消置顶' : '置顶'}}

    已有置顶的讨论,是否替换已有的置顶?

    确认
    取消
{{ tag.text}}
头像
{{ subitem.user.nick_name }}{{ EROLE_NAME[subitem.user.identity] }}
{{ subitem.create_time }}回复
删除

是否确认删除?

确认
取消
发布
{{pageType === 'video' ? '讨论区抢占沙发,可获得双倍学分' :'讨论区空空如也,你来讲两句~'}}
发布
{{tips.text}}
{{ noteHeaderTitle }} 笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}
{{ hasMyNote ? '我的笔记' : '记笔记' }}
优质笔记
更新于:{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}
头像
{{ detail.username }}

公开笔记对他人可见,有机会被管理员评为“优质笔记”

{{ noteEditor.content.length }}/2000

公开笔记
保存
讲师头像
谢佳标
资深数据挖掘专家,超过14年的数据挖掘与分享相关工作经验;曾经从事过咨询、电力、游戏、金融和物流等行业,熟悉不同行业的数据特点,有丰富的利用Python和R语言进行数据挖掘实战经验,2017-2023年微软数据科学和AI方向最有价值专家(微软MVP),《中国现场统计研究会大数据统计分会》第一届理事,历届中国R语言大会特邀演讲嘉宾。已出版图书:《R语言数据分析与挖掘(微课版)》、《Keras深度学习入门、实践与进阶》、《R语言游戏数据分析与挖掘》、《R语言与数据挖掘》、《数据实践之美:31位大数据专家的方法、技术与思想》。即将出版:《深度学习实战:基于Keras》(python版)
TA的课程
接下来播放:
自动连播