原文链接：http://tecdat.cn/?p=22531

对于线性关系，咱们能够进行简略的线性回归。对于其余关系，咱们能够尝试拟合一条曲线。

曲线拟合是构建一条曲线或数学函数的过程，它对一系列数据点具备最佳的拟合成果。

#咱们将使Y成为因变量，X成为预测变量#因变量通常在Y轴上plot(x,y,pch=19)

看起来咱们能够拟合一条曲线。

#拟合一次多项式方程。fit <- lm(y~x)#二次fit2 <- lm(y~poly(x,2)#三次......#生成50个数字的范畴，从30开始到160完结xx <- seq(30,160, length=50)lines(xx, predict(fit, xx)

咱们能够看到每条曲线的拟合水平。
咱们能够应用summary()函数对拟合后果进行更具体的统计。

应用不同多项式R平方的总结。

1st: 0.57592nd: 0.94743rd: 0.99244th: 0.9943

咱们能够用 "方差分析 "来比拟不同的模型。

Pr(>F)值是回绝无效假设的概率，即一个模型不比另一个模型更适宜。咱们有十分显著的P值，所以咱们能够回绝无效假设，即fit2比fit提供了更好的拟合。

咱们还能够创立一个反映多项式方程的函数。

从三次多项式推算出来的数值与原始数值有很好的拟合，咱们能够从R-squared值中得悉。

对于非线性曲线拟合，咱们能够应用lm()和poly()函数，这也为多项式函数对数据集的拟合水平提供了有用的统计数据。咱们还能够应用方差分析测试来评估不同模型之间的比照水平。从模型中能够定义一个反映多项式函数的函数，它能够用来推算因变量。

yy<-third(xx,fit)plot(xx,yy)

最受欢迎的见解

1.R语言多元Logistic逻辑回归利用案例

2.面板平滑转移回归(PSTR)剖析案例实现

3.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）

4.R语言泊松Poisson回归模型剖析案例

5.R语言回归中的Hosmer-Lemeshow拟合优度测验

6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现

7.在R语言中实现Logistic逻辑回归

8.python用线性回归预测股票价格

9.R语言如何在生存剖析与Cox回归中计算IDI，NRI指标