机器学习：R语言中如何使用最小二乘法

标签：plot   blog   nts   html   设置   规律   文章   学习   png   

        详细内容见上一篇文章：http://www.cnblogs.com/lc1217/p/6514734.html

        这里只是介绍下R语言中如何使用最小二乘法解决一次函数的线性回归问题。

        代码如下：(数据同上一篇博客)(是不是很简单????)

> x<-c(6.19,2.51,7.29,7.01,5.7,2.66,3.98,2.5,9.1,4.2)
> y<-c(5.25,2.83,6.41,6.71,5.1,4.23,5.05,1.98,10.5,6.3)
> lsfit(x,y)

       结果如下：

$coefficients
Intercept         X 
0.8310557 0.9004584 

   说明： Intercept ：截距

            X： 变量x的系数

   即对于一元一次函数截距式方程：y=0.9x+0.83

   结果同上一篇博客的计算结果(python)： 

输出结果：
      k= 0.900458420439 b= 0.831055638877
      cost：1
      求解的拟合直线为:
      y=0.9x+0.83

     如果你不追求绘图的美观，可以简单的直接用R绘制散点图观察规律也是可以的（当然也是可以通过设置参数调美观点的）。

> plot(x,y)  ###x,y是上面已经赋值过的数据

    结果如图：

机器学习：R语言中如何使用最小二乘法

标签：plot   blog   nts   html   设置   规律   文章   学习   png   

原文地址：http://www.cnblogs.com/lc1217/p/6518166.html