タグ付けされた質問 「linear-regression」


9
回帰直線方程式とR ^ 2をグラフに追加
に回帰直線方程式とR ^ 2を追加する方法を知りたいggplotです。私のコードは: library(ggplot2) df <- data.frame(x = c(1:100)) df$y <- 2 + 3 * df$x + rnorm(100, sd = 40) p <- ggplot(data = df, aes(x = x, y = y)) + geom_smooth(method = "lm", se=FALSE, color="black", formula = y ~ x) + geom_point() p どんな助けも高く評価されます。

7
Pythonで指数および対数曲線フィッティングを行う方法は?多項式フィッティングのみが見つかりました
データのセットがあり、どのラインがそれを最もよく表しているかを比較したい(異なる次数の多項式、指数または対数)。 私はPythonとNumpyを使用しており、多項式フィッティングには関数がありますpolyfit()。しかし、指数関数的および対数的フィッティングのためのそのような関数は見つかりませんでした。 いずれかがあります?またはそれ以外の場合の解決方法は?

12
Pythonの多重線形回帰
重回帰を行うPythonライブラリを見つけることができないようです。私が見つけた唯一のものは、単純な回帰のみです。いくつかの独立変数(x1、x2、x3など)に対して依存変数(y)を回帰する必要があります。 たとえば、次のデータの場合: print 'y x1 x2 x3 x4 x5 x6 x7' for t in texts: print "{:>7.1f}{:>10.2f}{:>9.2f}{:>9.2f}{:>10.2f}{:>7.2f}{:>7.2f}{:>9.2f}" / .format(t.y,t.x1,t.x2,t.x3,t.x4,t.x5,t.x6,t.x7) (上記の出力:) y x1 x2 x3 x4 x5 x6 x7 -6.0 -4.95 -5.87 -0.76 14.73 4.02 0.20 0.45 -5.0 -4.55 -4.52 -0.71 13.74 4.47 0.16 0.50 -10.0 -10.96 -11.64 -0.98 15.49 4.18 …

5
ggplotに回帰直線を追加する
ggplotに回帰直線を追加しようとしています。最初はアブラインで試しましたが、うまくいきませんでした。それから私はこれを試しました... data = data.frame(x.plot=rep(seq(1,5),10),y.plot=rnorm(50)) ggplot(data,aes(x.plot,y.plot))+stat_summary(fun.data=mean_cl_normal) + geom_smooth(method='lm',formula=data$y.plot~data$x.plot) しかし、それも機能していません。

6
Rが回帰の参照として指定された因子レベルを使用するように強制する方法は?
回帰でバイナリの説明変数を使用する場合、Rに特定のレベルを参照として使用するように指示するにはどうすればよいですか? デフォルトでは、あるレベルを使用しているだけです。 lm(x ~ y + as.factor(b)) とb {0, 1, 2, 3, 4}。Rが使用するゼロの代わりに3を使用したいとします。

10
Rでの線形回帰とグループ化
lm()関数を使用してRで線形回帰を実行したいと思います。私のデータは、年(22年)のフィールドと州(50州)の別のフィールドを持つ年次時系列です。各状態の回帰を当てはめたいので、最後にlm応答のベクトルを取得します。各状態に対してforループを実行してから、ループ内で回帰を実行し、各回帰の結果をベクトルに追加することを想像できます。ただし、これはRのようには見えません。SASでは「by」ステートメントを実行し、SQLでは「group by」を実行しました。これを行うRの方法は何ですか?

5
matplotlib / numpyによる線形回帰
生成した散布図で線形回帰を生成しようとしていますが、データはリスト形式であり、使用polyfitする例はすべて、を使用する必要がありarangeます。arangeただし、リストは受け付けません。リストを配列に変換する方法について高低を検索しましたが、何も明確ではないようです。私は何かが足りないのですか? 続いて、整数のリストをpolyfit?への入力としてどのように使用すればよいですか? これが私がフォローしているpolyfitの例です: from pylab import * x = arange(data) y = arange(data) m,b = polyfit(x, y, 1) plot(x, y, 'yo', x, m*x+b, '--k') show()
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.