R语言——投影追踪回归(PPR)

今天是值得高兴的一天，同时也写得hin潦草的一天

在stats包里翻出个看起来很高端，但我完全解释不动的拟合算法，ppr函数

投影追踪回归这个名字是直接用百度翻译的，应该是没错吧，反正我没找到啥能参考的介绍文章，所以就纯粹地照着帮助文档的操作来走个过场

上数据：

#导入数据并做Z-score标准化

Data <- read.csv("StasticData.csv")

str(Data)

Zscore <- function(x) {

(x-mean(x))/sd(x); }

Zdata <- data.frame(apply(Data[,-1],2,Zscore))

str(Zdata)

帮助文件里虽然米有明确滴要求做标准化，但却做了除法和log把每个向量都限制在差不多的数量级，所以我个人觉得这个拟合应该是需要使用距离或权重的一种算法

#照例先放个线性回归作为参照标准

F1 <- fitted(lm(ValueSold~., Zdata))

cor(Zdata$ ValueSold, F1)

吼吼，lm做出来相关系数就已经能有0.9888这么高了呀，看来压力还挺大的呢~~

#上ppr函数，设参数nterms = 2

PPRmod <- ppr(ValueSold~., Zdata, nterms = 2)

summary(PPRmod)

F2 <- predict(PPRmod)

cor(Zdata$ ValueSold, F2)

ppr可以拟合到相关系数0.9947，很好很好，总归还是比lm强的

而且，增大nterms参数的情况下，貌似还可以再提高一丢丢，就是不太明显了

不求甚解，轻松愉快，放图收工~~

par(mfrow = c(3,1)) #把画图区域划分成纵向的3块

plot(Zdata$ ValueSold, main = "lm model")

lines(F1, col="red")

plot(Zdata$ ValueSold, main = "ppr model, nterms = 2")

lines(F2, col ="blue")

plot(Zdata$ ValueSold, main = "ppr model, nterms = 3")

lines(F3, col ="lightblue")