当前位置：网站首页 > 热门文章 > 正文

R语言——最小二乘法 r语言最小二乘法拟合模型

bigegpt 2024-10-12 05:09 7 浏览

这两天的气温用直线下降来形容都不够，简直是自由落体

其实写过最大似然估计就不太再想写最小二乘法了，因为这两个做法重复性太大，可以说大部分的操作都是一样一样的，只有function里的公式有点细微差别

但是，看我最近各种瞎扯的趋势，还是有一篇算一篇吧

整理下大概步骤：

1）导入数据 ——（强行辩解：这不算废话，不导入数据能开始干活么？）

2）决定拟合曲线的公式形状，可以是线性或非线性，指数、对数、幂函数神马的也OK，您随意

3）按这个曲线形状先适当提取加工下变量的形式，这步可以放到后面的function里一起做，但我个人建议提前单独准备会比较方便后续计算模拟值和残差

4）写个通过输入系数计算残差，并用残差列计算平方和的function，以平方和作为function的最终输出（return）

5）设置一个长度正确、而且最好数值恰当的系数向量作为初始值

6）使用optim函数，计算残差平方和达到最小时的系数向量

7）代入系数，计算模拟值和残差（如果需要的话）

虾米？？你问极大似然估计篇里出现的MASS包？哦，那个包是专门为计算似然值才加载的，optim函数属于stats包，其他计算也都是基础包的内容，所以这里用不到它

以下是上述步骤的整体截图：

其中涉及的数据情况：

plot(Table$size, Table$value)

abline(lm(value~size, Table))

#上面两行是画图用的

代码部分，跟截图里一样一样的，单独贴只是为了防止图挂掉看不到

-----------------代码开始-------------------

setwd("D:/")

Table <- read.csv("houseprice1.csv")

str(Table)

#线的形状还是用直线（因为方便），形式y=ax+b,下一行的转换属于个人偏好

Array.x <- cbind(c(1),Table$size)

SMQ <- function(x) {

CanCha <- Table$value - Array.x %*% x;

SQCanCha <- sum(CanCha^2);

return(SQCanCha) }

CoefOrgin <- c(mean(Table$value),0)

Op1 <- optim(CoefOrgin,SMQ)

Op1$par

[1] 278675.75 22422.21

#计算结果代入步骤

Sim <- Array.x %*% Op1$par

CanCha1 <- Table$value – Sim

-----------------代码结束-------------------

OK，今天就这样认(jia)真(zhuang)负(zai)责(xian)滴结束了吧

r语言par函数

上一篇：R语言数据可视化系列(2)饼图和扇形图(附详细代码和数据)
下一篇：如何使用R语言的页面布局功能 r语言界面怎么用

R语言——最小二乘法 r语言最小二乘法拟合模型

相关推荐

无缓存不行?例行升级的入门级阿斯加特AN2 SSD装机点评

Ceph运维手册(基于P版本)

Docker 命令大全（docker命令大全记录表）

替代Docker build的Buildah简单介绍

Docker Desktop安装使用指南:零基础教程

Tensorflow分类loss函数总结 tensorflow绘制loss曲线

R语言学习笔记(七) -离散型数据的模型预测2

服务器硬件RAID性能横评(2)（服务器常用raid技术）

Python教程:第9篇字符串基本操作

k8s中三种POD调度策略介绍 k8s pod间调用

R语言——最小二乘法 r语言最小二乘法拟合模型

相关推荐

无缓存不行?例行升级的入门级阿斯加特AN2 SSD装机点评

Ceph运维手册(基于P版本)

Docker 命令大全（docker命令大全记录表）

替代Docker build的Buildah简单介绍

Docker Desktop安装使用指南:零基础教程

Tensorflow分类loss函数总结 tensorflow绘制loss曲线

R语言学习笔记(七) -离散型数据的模型预测2

服务器硬件RAID性能横评(2)（服务器常用raid技术）

Python教程:第9篇 字符串基本操作

k8s中三种POD调度策略介绍 k8s pod间调用

Python教程:第9篇字符串基本操作