Vorhersage mit Regressionsgleichung in R

Question

Zunächst möchte ich Ihnen sagen, ich bin sehr neu in R, so meine Frage klingt vielleicht komisch für Sie, ich möchte das Gewicht eines Individuums aus der Höhe vorhersagen. Dafür brauche ich die Gleichung der Regressionsgeraden (in der folgenden Form) für dieses Problem zu finden:

Gewicht = abfangen + (Steigung) x Höhe

ich die folgende Form von Daten hat?

Jede Idee, wie Regressionsgerade Gleichung diese können Sie mit der Funktion lm

dat <- read.table(text = "SampleNo,Height,Weight 
          1,65.78,112.99 
          2,71.52,136.49 
          3,69.40,153.03 
          4,68.22,142.34 
          5,67.79,144.30 
          6,68.70,123.30 
          7,69.80,141.49 
          8,70.01,136.46 
          9,67.90,112.37", 
        sep = ",", header = T) 

Answer 1

finden erreichen.

lm1 <- lm(Weight ~ Height, data = dat) 

Ich möchte Weight als Funktion der Height vorherzusagen, so verwende ich die Syntax Weight ~ Height.

Schließlich laufe ich die coefficients Funktion auf dem lm1 Objekt den Koeffizienten Height und den Schnittpunkt zu erhalten.

coefficients(lm1) 
    (Intercept)  Height 
    -177.650244 4.525168 

Wenn ich das Ergebnis für Weight für einen bestimmten Satz von Heights vorhersagen wollen, kann ich das tun mit den folgenden:

> predict(lm1, newdata = data.frame((Height = c(65, 68.5, 71.6)))) 
     1  2  3 
116.4857 132.3238 146.3518 

Sie können zusätzliche Informationen über die Passform erhalten mit der summary Funktion auf dem lm1 Objekt. Dies wird R^2 Werte, weitere Informationen über den Schätzungen liefern, etc ...

summary(lm1) 

Call: 
lm(formula = Weight ~ Height, data = vals) 

Residuals: 
    Min  1Q Median  3Q  Max 
-17.239 -9.500 -2.697 11.283 16.634 

Coefficients: 
      Estimate Std. Error t value Pr(>|t|) 
(Intercept) -177.650 193.247 -0.919 0.389 
Height   4.525  2.808 1.611 0.151 

Residual standard error: 13.03 on 7 degrees of freedom 
Multiple R-squared: 0.2705, Adjusted R-squared: 0.1663 
F-statistic: 2.596 on 1 and 7 DF, p-value: 0.1512 

Eine große (kostenlos) Ressource für die Regression und viele andere Techniken des maschinellen Lernens in R here gefunden werden kann. Es ist ein großartiges Buch, um über Statistiken zu lernen und wie man diese Methoden in R implementiert.