13、线性回归与分类模型的深入解析

线性回归与分类模型的深入解析

线性回归中的变量分析

在多元线性回归模型中，我们常常希望通过增加特征来提升模型的解释能力。以奥林匹克游泳运动员的体重预测模型为例，最初的输出结果（保留三位小数）为 (0.0 0.650 0.058 0.304) ，这表明身高是最重要的解释变量，其次是性别，然后是年龄。将其转换为标准化系数后可知，身高每增加一个标准差，平均体重将增加 0.65 个标准差。

;; 示例代码，用于计算相关系数
(defn ex-3-27 []
  (let [data (->> (swimmer-data)
                  (i/add-derived-column "Dummy MF"
                                        ["Sex"]
                                        dummy-mf)
                  (i/add-derived-column "Year of birth"
                                        ["Date of birth"]
                                        to-year))
        x (->> data
               (feature-matrix ["Height, cm"
                                "Age"