每行线性回归系数结果与R

假设我使用以下数据

data(iris)
iris

并进行以下回归：

linearReg <- lm(Sepal.Length ~ Petal.Length+Petal.Width, data=iris)
linearReg$coefficients

 (Intercept) Petal.Length  Petal.Width 
  4.1905824    0.5417772   -0.3195506

---

linearReg您可以使用
fitted.values
功能：

predictions = fitted.values(linearReg)

这将为您提供一个长度
150
的向量，并对每个向量进行预测。例如，
predicts[1]
等于
4.1905824+iris$Petal.Length[1]*0.5417772+iris$Petal.Width[1]*（-0.3195506）

如果您想手动执行，您可以执行以下操作：

predictions =  4.1905824 + iris$Petal.Length*0.5417772 + iris$Petal.Width*(-0.3195506)

您将获得相同的值。
您可以使用
fitted。值
功能：

predictions = fitted.values(linearReg)

这将为您提供一个长度
150
的向量，并对每个向量进行预测。例如，
predicts[1]
等于
4.1905824+iris$Petal.Length[1]*0.5417772+iris$Petal.Width[1]*（-0.3195506）

如果您想手动执行，您可以执行以下操作：

predictions =  4.1905824 + iris$Petal.Length*0.5417772 + iris$Petal.Width*(-0.3195506)

您将获得相同的值。
使用线性模型对象上的
拟合
将获得每次观测的预测值

fitted(linearReg)

或者，您可以使用
predict
插入预测器以从模型中获取预测。在您的情况下，您可以插入原始数据集

 predict(linearReg, newdata = iris)

这里的不同之处在于，使用predict，您可以得到不在用于构建模型的数据集中的观测结果的预测。例如，如果要对某些新数据进行预测，只需要一个数据框，其中包含模型中使用的每个预测值的列，然后将其用作预测中的newdata参数

newdat <- data.frame(Petal.Length = c(1,2,3), Petal.Width = c(2,3,4))
predict(linearReg, newdata = newdat)
#       1        2        3 
#4.093258 4.315485 4.537712 

newdat在线性模型对象上使用
拟合
将获得每次观测的预测值

fitted(linearReg)

或者，您可以使用
predict
插入预测器以从模型中获取预测。在您的情况下，您可以插入原始数据集

 predict(linearReg, newdata = iris)

这里的不同之处在于，使用predict，您可以得到不在用于构建模型的数据集中的观测结果的预测。例如，如果要对某些新数据进行预测，只需要一个数据框，其中包含模型中使用的每个预测值的列，然后将其用作预测中的newdata参数

newdat <- data.frame(Petal.Length = c(1,2,3), Petal.Width = c(2,3,4))
predict(linearReg, newdata = newdat)
#       1        2        3 
#4.093258 4.315485 4.537712 

newdat那些不是线-那些只是预测。那些不是线-那些只是预测。实际上我只是觉得你的手动公式也可以是：predictions@Swiss12000:I know，我只是想说得更清楚，因为你把原始数字放在了问题中。好的，谢谢，事实上我刚刚发现了它，所以它可能对不知道的人有用：）事实上，我只是想你的手动公式也可以是：预测@Swiss12000:I know，我只是想说得更清楚，因为你把原始数字放在了问题中。好的，谢谢，事实上我刚刚发现了它，所以也许它对不知道的人有用：）