【机器学习算法】基于R语言的多元线性回归分析

最新推荐文章于 2025-10-18 22:33:02 发布

原创

最新推荐文章于 2025-10-18 22:33:02 发布 · 8.7k 阅读

103 ·

CC 4.0 BY-SA版权

文章标签：

#r语言 #回归分析 #多重共线性 #主成分分析

本文介绍了如何使用R语言进行多元线性回归分析，特别针对自变量间存在的严重共线性问题进行了主成分分析。通过主成分提取，发现仅需2个主成分即可解释大部分数据变异，建立了稳定的回归模型，并进行了模型的显著性检验和残差分析。

多元线性回归的适用条件：

（1）自变量对应变量的变化具有显著影响

（2）自变量与应变量间的线性相关必须是真实的，而非形式上的

（3）自变量之间需有一定的互斥性

（4）应具有完整的统计数据

训练数据：csv格式，含有19维特征

数据下载地址：http://pan.baidu.com/s/1eSx1fwe

步骤一：数据读取及预处理

从vt.csv文件中读取训练数据，从

rm(list = ls(all=TRUE))
library(car)
library(corrplot, quietly=TRUE)
library(sqldf)

## 数据读取
folder <- "file:///D:/My Documents/R/"
# 销量分3类读取
name <- "vt.csv"
namepre <- "vp.csv"
path <- paste(folder,name,sep = "");
pathpre <- paste(folder,namepre,sep = "")
# 训练集
dataset <- read.csv(path, na.strings=c(".", "NA", "", "?"), strip.white=TRUE, encoding="UTF-8")
# 预测集
datasetpre <- read.csv(pathpre, na.strings=c(".", "NA", "", "?"), strip.white=TRUE, encoding="UTF-8")
dataselect <- sqldf("select * from datasetpre")
datapre <- dataselect[2: