R语言回归模型lm预测

在R语言中，可以使用lm函数来拟合多项式回归模型。lm函数接受一个公式作为参数，该公式描述了回归模型的关系。例如，假设我们要拟合一个二次多项式回归模型，可以使用以下代码：

# 创建一个数据框
data <- data.frame(x = c(1, 2, 3, 4, 5), y = c(2, 5, 9, 15, 23))

# 使用lm函数拟合二次多项式回归模型
model <- lm(y ~ poly(x, 2), data = data)

# 使用predict函数进行预测推理
new_data <- data.frame(x = c(6, 7, 8))
predictions <- predict(model, newdata = new_data)

# 计算回归模型的评估指标
library(Metrics)
mae <- mae(data$y, predictions)
mse <- mse(data$y, predictions)
rmse <- rmse(data$y, predictions)
r_squared <- r_squared(data$y, predictions)

在上述代码中，我们首先创建了一个数据框，其中包含了自变量x和因变量y的值。然后，通过lm函数拟合了一个二次多项式回归模型。接下来，我们使用predict函数根据训练好的模型对新的自变量进行预测推理，并计算了回归模型的评估指标，包括MAE、MSE、RMSE和R方。