理解R中的线性模型
R语言对我来说一直有点神秘,所以尽管我知道什么是线性回归,但我还是不明白下面的一些语法 因此,假设我有以下几点:理解R中的线性模型,r,R,R语言对我来说一直有点神秘,所以尽管我知道什么是线性回归,但我还是不明白下面的一些语法 因此,假设我有以下几点: x <- c(1, 2, 3, 4) y <- c(2.1, 3.8, 6.5, 7.78) lm1 <- lm(y~x) 现在,当我想在生产模式下运行时,我会执行以下操作(我想预测x=10和x=20的值: test <- c(10,20) predict(lm1, test) predict()需要将newdata=参数设置为data.frame。它使用
x <- c(1, 2, 3, 4)
y <- c(2.1, 3.8, 6.5, 7.78)
lm1 <- lm(y~x)
现在,当我想在生产模式下运行时,我会执行以下操作(我想预测x=10和x=20的值:
test <- c(10,20)
predict(lm1, test)
predict()
需要将newdata=
参数设置为data.frame。它使用data.frame中列的名称来匹配公式中的变量。当模型具有多个预测器时,这一点尤为必要
你能行
predict(lm1, data.frame(x=test))
此外,最好也使用data.frame来拟合您的模型
dd<-data.frame(
x = c(1, 2, 3, 4),
y = c(2.1, 3.8, 6.5, 7.78)
)
lm1 <- lm(y~x, dd)
predict(lm1, data.frame(x=c(10,20)))
dd测试
predict(lm1, data.frame(x=test))
dd<-data.frame(
x = c(1, 2, 3, 4),
y = c(2.1, 3.8, 6.5, 7.78)
)
lm1 <- lm(y~x, dd)
predict(lm1, data.frame(x=c(10,20)))