回归分析week1
来源:互联网 发布:学java基础入门 编辑:程序博客网 时间:2024/06/05 23:06
独立同分布independent and identically distributed (i.i.d.)
1.1回归分析导论
在做实验的时候呢,因为女人比男人一般而言要short,于是呢修正了,即把女人的身高*1.08
老师首先要谈的是marginal,即上面的两张图
那个符号叫mu
那么manipuate:即创建一个动态的图
图呢是一个带有图标的动态图
这种不从线性代数的角度来直接推论,倒还真是。。。确实不同于线性回归的一般公式
好像在统计学中并非是Yi-u,而是Y实际-Y预测
也就是此处的u是为重心,而得出结论为可用Y的均值替代的意思
myPlot <- function(beta){ y <- galton$child - mean(galton$child) x <- galton$parent - mean(galton$parent) freqData <- as.data.frame(table(x, y)) names(freqData) <- c("child", "parent", "freq") plot( as.numeric(as.vector(freqData$parent)), as.numeric(as.vector(freqData$child)), pch = 21, col = "black", bg = "lightblue", cex = .15 * freqData$freq, xlab = "parent", ylab = "child" ) abline(0, beta, lwd = 3) points(0, 0, cex = 2, pch = 19) mse <- mean( (y - beta * x)^2 ) title(paste("beta = ", beta, "mse = ", round(mse, 3)))}manipulate(myPlot(beta), beta = slider(0.6, 1.2, step = 0.02))
最终出现汽泡图也是因为这一步,真是开眼了哈 cex = .15 * freqData$freq
然后解决办法也是这样的
lm(I(child - mean(child))~ I(parent - mean(parent)) - 1, data = galton)
此处-1表示不要截距,
Call:
lm(formula = I(child - mean(child)) ~ I(parent - mean(parent)) -
1, data = galton)
Coefficients:
I(parent - mean(parent))
0.6463
1.2一些小点
empirical mean经验均值
此处看来可以跟上节的联系于一起了呀,因为Xi-X的均值,它们之和是为0的,所以开始求平方和了
1.3线性最小二乘法
recap what we know 即回顾我们所学
1.4 回归于均值
反正就是人生在世,一靠能力,二靠运气。两者都重要
0 0
- 回归分析week1
- 机器学习week1-3笔记:线性回归、逻辑回归
- week1——算法分析
- TwoSum(算法分析课week1)
- week1
- week1
- week1
- week1
- week1
- week1
- Andrew NG 机器学习 笔记-week1-单变量线性回归
- Andrew Ng机器学习笔记week1 线性回归
- 探索性数据分析week1笔记
- (算法分析Week1)Maximum Subarray[Easy]
- (算法分析Week1)Majority Element[Easy]
- Add Two Numbers(算法分析week1)
- 回归分析
- 回归分析
- 基于IP播放TS流的码率控制策略
- 协议栈
- 黑马程序员_java基础篇之基础知识(1)
- Linux "Too many open files" 问题分析
- Windows下GTK+的安装
- 回归分析week1
- oracle表中怎么创建序列
- 豆瓣电影数据获取APP(已完成)
- 告诉你 cocos2d-x 2.2.5 在MAC是如创建项目的
- com.mysql.jdbc.exceptions.jdbc4.MySQLSyntaxErrorException: Unknown database 'user'
- 程序员需谨记的八条团队开发原则
- ramoops&pstore简要说明
- 【数据分析面试题】一道 面试题,我的答案
- Linux高性能服务器编程——进程池和线程池