วิธีทำนายค่าใน r โดยใช้แบบจำลองการถดถอยพหุคูณ

คุณสามารถใช้ไวยากรณ์พื้นฐานต่อไปนี้เพื่อทำนายค่าใน R โดยใช้โมเดลการถดถอยเชิงเส้นหลายตัวที่พอดี:

 #define new observation
new <- data. frame (x1=c(5), x2=c(10), x3=c(12.5))

#use fitted model to predict the response value for the new observation
predict(model, newdata=new)

ตัวอย่างต่อไปนี้แสดงวิธีใช้ฟังก์ชันนี้ในทางปฏิบัติ

ตัวอย่าง: การทำนายค่าโดยใช้แบบจำลองการถดถอยเชิงเส้นพหุคูณแบบพอดี

สมมติว่าเรามีชุดข้อมูลต่อไปนี้ใน R ซึ่งมีข้อมูลเกี่ยวกับผู้เล่นบาสเก็ตบอล:

 #create data frame
df <- data. frame (rating=c(67, 75, 79, 85, 90, 96, 97),
                 points=c(8, 12, 16, 15, 22, 28, 24),
                 assists=c(4, 6, 6, 5, 3, 8, 7),
                 rebounds=c(1, 4, 3, 3, 2, 6, 7))

#view data frame
df

  rating points assists rebounds
1 67 8 4 1
2 75 12 6 4
3 79 16 6 3
4 85 15 5 3
5 90 22 3 2
6 96 28 8 6
7 97 24 7 7

ตอนนี้ สมมติว่าเราปรับโมเดลการถดถอยเชิงเส้นหลายตัวโดยใช้ จุด ช่วยเหลือ และรีบา วด์ เป็นตัวแปรทำนายและ ให้คะแนน เป็น ตัวแปรตอบสนอง :

 #fit multiple linear regression model
model <- lm(rating ~ points + assists + rebounds, data=df)

#view model summary
summary(model)

Call:
lm(formula = rating ~ points + assists + rebounds, data = df)

Residuals:
      1 2 3 4 5 6 7 
-1.5902 -1.7181 0.2413 4.8597 -1.0201 -0.6082 -0.1644 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)   
(Intercept) 66.4355 6.6932 9.926 0.00218 **
points 1.2152 0.2788 4.359 0.02232 * 
assists -2.5968 1.6263 -1.597 0.20860   
rebounds 2.8202 1.6118 1.750 0.17847   
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 3.193 on 3 degrees of freedom
Multiple R-squared: 0.9589, Adjusted R-squared: 0.9179 
F-statistic: 23.35 on 3 and 3 DF, p-value: 0.01396

จากค่าในคอลัมน์ ประมาณการ เราสามารถเขียนแบบจำลองการถดถอยที่ติดตั้งไว้ได้:

คะแนน = 66.4355 + 1.2151 (แต้ม) – 2.5968 (แอสซิสต์) + 2.8202 (รีบาวน์)

เราสามารถใช้โค้ดต่อไปนี้เพื่อทำนายอันดับของผู้เล่นใหม่ที่มี 20 แต้ม 5 แอสซิสต์ และ 2 รีบาวด์:

 #define new player
new <- data. frame (points=c(20), assists=c(5), rebounds=c(2))

#use the fitted model to predict the rating for the new player
predict(model, newdata=new)

       1 
83.39607 

แบบจำลองคาดการณ์ว่าผู้เล่นใหม่นี้จะมีคะแนน 83.39607

เราสามารถยืนยันได้ว่าสิ่งนี้ถูกต้องโดยการใส่ค่าของผู้เล่นใหม่ลงในสมการการถดถอยที่ติดตั้ง:

• คะแนน = 66.4355 + 1.2151 (แต้ม) – 2.5968 (แอสซิสต์) + 2.8202 (รีบาวน์)
• คะแนน = 66.4355 + 1.2151(20) – 2.5968(5) + 2.8202(2)
• คะแนน = 83.39

ซึ่งตรงกับค่าที่เราคำนวณโดยใช้ฟังก์ชัน ทำนาย () ใน R

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีดำเนินการงานทั่วไปอื่นๆ ใน R:

วิธีดำเนินการถดถอยเชิงเส้นอย่างง่ายใน R
วิธีดำเนินการถดถอยเชิงเส้นพหุคูณใน R
วิธีสร้างพล็อตที่เหลือใน R