R语言 常见模型

R语言 常见模型

R语言是一种广泛应用于数据分析和统计建模的编程语言。它提供了丰富的函数和包，使得各种常见的模型建立和分析变得简单易行。本文将介绍一些常见的R语言模型，并提供相应的源代码示例。

1. 线性回归模型（Linear Regression Model）：

线性回归模型是最简单且最常用的回归模型之一，用于建立自变量与因变量之间的线性关系。在R语言中，可以使用lm()函数来拟合线性回归模型。以下是一个简单的示例：

# 创建数据集
x <- c(1, 2, 3, 4, 5)
y <- c(3, 5, 7, 9, 11)

# 拟合线性回归模型
model <- lm(y ~ x)

# 打印模型摘要
summary(model)

# 预测新数据
new_x <- c(6, 7)
predicted_y <- predict(model, data.frame(x = new_x))

2. 逻辑回归模型（Logistic Regression Model）：

逻辑回归模型用于建立自变量与因变量之间的概率关系，常用于分类问题。在R语言中，可以使用glm()函数来拟合逻辑回归模型。以下是一个简单的示例：

# 创建数据集
x <- c(1, 2, 3, 4, 5)
y <- c(0, 0, 0, 1, 1)

# 拟合逻辑回归模型
model <- glm(y ~ x, family = binomi