介绍线性回归

线性回归模型是什么?

回归模型描述因变量之间的关系和一个或多个自变量。

线性回归

适合一个线性回归模型并检查结果。

逐步回归

在逐步回归,预测自动添加或削减从一个模型。

减少使用健壮的回归离群值的影响

适合一个健壮的模型比普通最小二乘大变化不敏感数据的一小部分。

选择一个回归函数

根据类型的回归函数选择一个问题,并使用新的拟合函数更新遗留代码。

总结输出和诊断数据

评价拟合模型,利用模型属性和对象的功能。

威尔金森符号

威尔金森符号提供了一种方法来描述回归和重复测量模型没有指定系数值。

线性回归的工作流

线性回归的工作流

导入和准备数据,适合一个线性回归模型,测试和提高其质量和共享模型。

解释线性回归结果

显示和解释线性回归统计输出。

线性回归与交互作用

构建和分析线性回归模型与交互作用和解释结果。

线性回归使用表格

这个例子展示了如何使用表执行线性和逐步回归分析。

协变量线性回归和分类

执行一个使用分类数组和协变量的回归和分类fitlm。

分析时间序列数据

这个例子展示了如何使用可视化和分析时间序列数据timeseries对象和回归函数。

火车线性回归模型

火车一个线性回归模型使用fitlm分析内存数据和内存不足数据。

偏最小二乘回归

偏最小二乘

偏最小二乘(PLS)构造新的预测原始变量的线性组合预测变量,而考虑到观测响应值,导致一个吝啬的模型与可靠的预测能力。

偏最小二乘回归和主成分回归

应用偏最小二乘回归(PLSR)和主成分回归(PCR),并探索了这两种方法的有效性。