多元线性回归模型案例R
时间: 2023-09-16 19:09:25 浏览: 61
好的,下面我列举一个多元线性回归模型案例,并使用 R 语言来实现。
案例背景:某电商平台想要预测顾客的购买金额,平台收集了以下数据:
- 购买金额(y):单位为元;
- 广告费用(x1):单位为元;
- 促销费用(x2):单位为元;
- 顾客年龄(x3):单位为岁;
- 顾客性别(x4):0表示女性,1表示男性;
- 顾客职业(x5):0表示学生,1表示上班族,2表示自由职业。
下面是 R 代码实现:
```R
# 导入数据
data <- read.csv("data.csv")
head(data)
# 拆分数据集为训练集和测试集
set.seed(123)
train_index <- sample(nrow(data), 0.7 * nrow(data))
train <- data[train_index, ]
test <- data[-train_index, ]
# 构建多元线性回归模型
model <- lm(y ~ x1 + x2 + x3 + x4 + x5, data = train)
summary(model)
# 预测测试集
predicted <- predict(model, newdata = test)
# 计算模型误差
rmse <- sqrt(mean((predicted - test$y)^2))
rmse
```
以上代码中,我们首先导入数据,然后将数据集拆分为训练集和测试集。接着,我们使用 `lm()` 函数构建多元线性回归模型,并使用 `summary()` 函数查看模型的统计信息。接着,我们使用 `predict()` 函数对测试集进行预测,并计算模型的误差(使用均方根误差)。
当然,以上代码中的数据集和变量名只是示例,实际应用中需要根据具体情况进行修改。