标签：误差 模型 lm squared 建模 analysis 平方和 拟合 Regression
某建模萌新半年来学习建模的一些记录加总结
一，linear regression
对于这样一个有明显线性趋势的数据,我们要找到一条直线使其具备预测该数据走向的能力，采用最小二乘准则（least square estimates）即，拟合出的直线符合残差平方和最小的准则。将上述翻译成数学语言即可得到如下模型
这是一个凸优化问题，我们可以用高等数学的方法将约束条件代入目标函数得到一个无约束优化，再对a，b分别求偏导数，即可得到a与b的估计值，在统计学上可以证明LSE得到的是参数a与b的无偏估计 即
此外，我们对于参数a与b的估计，我们还可以通过极大似然估计（Maxmum Likelihood Estimate）求得，其结果与LSE是一样的。
总离差平方和：SST
回归平方和 ： SSR
残差平方和： SSE
可以证明 三个平方和满足
根据最小二乘准则，对于不同的模型，可以比较不同模型的残差平方和来选择最优拟合能力的模型
定义拟合优度 SSE越小其值越大，但不会超过1。
supplyment: 在机器学习中，模型的误差，分为训练误差和泛化误差，这里的R方只能反应模型的训练误差，而训练误差小未必该模型就拥有优良的预测能力，即训练误差小不等于泛化误差小。当模型过拟合时，我们就认为其不具备预测数据的能力。具体参考李航的统计机器学习，本文不做详述。在对二维数据进行多项式回归时，使用的多项式次数过高往往会造成过拟合现象（可以想象成插值那种极端情形）。
二，R语言实现+ggplot可视化
lm函数不仅可以进行一元线性拟合，还可以进行多元线性和非线性拟合。
##输入数据集
x <- c(0.1, 0.11 ,0.12, 0.13, 0.14, 0.15, 0.16, 0.17, 0.18, 0.20, 0.21, 0.23)
y <- c(42 ,43 ,45 ,45 ,45 ,47.5 ,49 ,53 ,50 ,55 ,55 ,60)
##建立数据框
linear <- data.frame(x,y)
##拟合
model <- lm(y~x,data=linear)
##查看
summary(model)
##输出结果
Call:
lm(formula = y ~ x, data = linear)
Residuals:
Min 1Q Median 3Q Max
-2.00449 -0.63600 -0.02401 0.71297 2.32451
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 28.083 1.567 17.92 6.27e-09 ***
x 132.899 9.606 13.84 7.59e-08 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1.309 on 10 degrees of freedom
Multiple R-squared: 0.9503, Adjusted R-squared: 0.9454
F-statistic: 191.4 on 1 and 10 DF, p-value: 7.585e-08模型给出了各参数的估计值 Estimate y = 28.083+132.899x 可以看到p-value很小，可以认为我们的回归方程是显著的
我们可以用函数 confint(model)得到该模型在2.5%-97.5%范围的置信区间
confint(model)
2.5 % 97.5 %
(Intercept) 24.59062 31.57455
x 111.49556 154.30337可以用ggplot中的geom_smooth函数进行模型的可视化
geom_smooth(data,formula,method,se=T,colour,size)
data~数据集
formula~拟合的法则，可参照lm函数
method~拟合方法 loess：局部加权回归 lm:线性回归 glm:广义线性回归 gam：广义加性回归
colour~线条颜色
size~线条宽度
se~是否添加置信区间，默认为True
ggplot(linear,aes(x=x,y=y))+
geom_point(shape=1,colour="black")+
##geom_abline(intercept = 28.083,slope=132.899)
geom_smooth(method = lm,se = F,colour = "steelblue",size=0.5)+
theme(plot.title = element_text(hjust=0.5,size=15))+
labs(title="Linear Regression")+
theme(panel.grid.major = element_blank(), panel.grid.minor = element_blank(),
panel.border = element_blank(),axis.line =element_line(colour = "black"))+
annotate("text",x=0.2,y=58,label="y=132.9x+28.08")+
annotate("text",x=0.2,y=59,parse=TRUE, label = "atop(R^2==0.9503)",size=4)
若要拟合的式子为 y=ax^2+b 可用如下代码
x <- c(0.1, 0.11 ,0.12, 0.13, 0.14, 0.15, 0.16, 0.17, 0.18, 0.20, 0.21, 0.23)
y <- c(42 ,43 ,45 ,45 ,45 ,47.5 ,49 ,53 ,50 ,55 ,55 ,60)
##建立数据框
unlinear <- data.frame(x,y)
model <- lm(y~I(x^2),unlinear)
summary(model)
Call:
lm(formula = y ~ I(x^2), data = linear)
Residuals:
Min 1Q Median 3Q Max
-1.46660 -0.59878 -0.07453 0.32904 2.95051
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 38.3482 0.8144 47.09 4.5e-13 ***
I(x^2) 404.8879 27.5137 14.72 4.2e-08 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1.234 on 10 degrees of freedom
Multiple R-squared: 0.9559, Adjusted R-squared: 0.9514
F-statistic: 216.6 on 1 and 10 DF, p-value: 4.201e-08
可以看到 此时的 multiple R-squared = 0.9559 竟然比线性模型的0.9503还要高，此时
y = 38.3482+404.8879x^2
在使用lm函数进行非线性拟合时，formula中一定要用到 I()
我们在选择模型时，不光要考虑其训练误差，也要考虑其泛化能力，
对于大样本数据这里给出一个方法，可以将待拟合的数据非为训练集和预测集，训练集用来拟合，再计算模型在预测集上的残差平方和，即可近似认为该误差为其泛化误差。
在机器学习中，常在误差函数中加入惩罚项，即正则化（regularization）来防止过拟合，其原理是使模型参数空间中的参数方差变小（过拟合时往往参数估计的方差很大）
正则化项一般选择 参数向量的L1范式（绝对值）和参数向量的L2范式（平方和开方）
前者称为lasso回归后者称为岭回归，具体参见机器学习相关内容，本文不做阐述
ps:有个东西叫奥卡姆剃刀原理，模型越简单越好（个人理解）
三，multiple regression
标签：误差,模型,lm,squared,建模,analysis,平方和,拟合,Regression 来源： https://blog.csdn.net/qq_53165252/article/details/118584566
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。