search

micresh / data-analytics-2019-KubSTU

0 stars 2 forks source link

LR2 #13

Open micresh opened 5 years ago

micresh commented 5 years ago

https://github.com/micresh/data-analytics-2019-KubSTU/blob/master/lr2/lr2-rlab-ready.pdf

mihailtar commented 4 years ago
  1. Загрузить набор данных для своего варианта, ознакомиться с его содержимым. train<-read.csv("E:/train.csv", header = TRUE, sep =",") View(train)
  2. Построить график корреляционного поля для каждого фактора. install.packages("ggplot2") library("ggplot2") qplot(data = train, train$Age, train$Fare) ggplot()+geom_point(aes(x=train$Age, y=train$Fare), size = 2) + theme_bw(base_size = 18)+xlab("Age") + ylab("Fare") + labs(title = "Корреляционное поле")
  3. Построить уравнение парной линейной регрессии для каж‐ дого фактора. model <- lm(data = train, Fare~Age) model$coefficients

    Fare = 24.3009014 + 0.3499637 * Age

  4. Проверить значимость каждого из полученных уравнений регрессии. Показать уравнения регрессии с заданным в варианте доверительным интервалом на графиках. summary(model) F-statistic: 6.632 on 1 and 712 DF, p-value: 0.01022 qplot(data = train, train$Age, train$Fare) + stat_smooth(method="lm", level = 0.95) + theme_bw(base_size = 18)
  5. Построить прогнозы по каждому из уравнений парной регрессии для заданных в варианте значений факторов. nd <- data.frame(Age=c(40,60)) predict(model,nd)
  6. Построить уравнение множественной линейной регрессии и получить корреляционную матрицу. install.packages("GGally") library("GGally") install.packages("sjPlot") library("sjPlot") train2 <- data.frame(train$Fare,train$Survived,train$Pclass,train$Age) model2 <- lm(data = train2, train.Fare~train.Survived+train.Pclass+train.Age) model2$coefficients summary(model2) sjp.corr(train2)
  7. Построить прогноз по уравнению множественной регреcсии для заданных в варианте значений факторов. nd2 <- data.frame(train.Survived=1,train.Pclass=1,train.Age=21.00) predict(model2,nd2)