r语言 线性回归多组
时间: 2023-12-03 19:31:00 浏览: 50
线性回归是一种常见的统计学习方法,它用于建立输入变量和输出变量之间的线性关系。在R语言中,可以使用lm()函数来实现线性回归分析。下面是使用R语言进行多组线性回归的步骤:
1. 数据准备:首先,需要准备多组输入变量和输出变量的数据。可以将它们存储在数据框中,确保每个变量都是数值型。
2. 构建模型:使用lm()函数构建线性回归模型。函数的语法是lm(formula, data),其中formula是一个公式,指定输出变量和输入变量之间的关系,data是包含数据的数据框。
3. 拟合模型:使用lm()函数拟合线性回归模型。将模型赋值给一个变量,然后使用summary()函数查看模型的摘要信息,包括回归系数、拟合优度等。
4. 进行预测:使用predict()函数进行预测。可以用新的输入变量值调用predict()函数来获取相应的输出变量值。
下面是一些示例代码,演示了如何在R语言中进行多组线性回归分析:
```R
# 数据准备
input1 <- c(1, 2, 3, 4, 5)
input2 <- c(2, 3, 4, 5, 6)
output <- c(3, 4, 5, 6, 7)
data <- data.frame(input1, input2, output)
# 构建模型
model <- lm(output ~ input1 + input2, data)
# 拟合模型
summary(model)
# 进行预测
new_input1 <- c(6, 7, 8)
new_input2 <- c(7, 8, 9)
new_data <- data.frame(new_input1, new_input2)
predicted_output <- predict(model, newdata = new_data)
```