R语言实战笔记 多项式回归

多项式回归

数据准备：
Women数据集（系统自带）：15个年龄在30~39岁间女性的身高和体重信息

目的：
通过身高预测体重，获得等式来判断过轻或者过重个体。使用多项式回归，新增加一个自变量的平方项Height²，比简单线性回归更为准确。

> fit2 <- lm(weight ~ height + I(height^2), data=women)
> summary(fit2)

新的预测等式为：
预测的weight = 261.88 - 7.35 * Height + 0.083 * Height²

方差解释率达到了99.95%。

> plot(women$height,women$weight,xlab="Height (in inches)",ylab="Weight (in lbs)")
> lines(women$height,fitted(fit2))

（离散点为原始数据，曲线为拟合曲线）绘图发现二项式曲线确实比线性拟合得更好。

一般来说，n次多项式生成一个n-1个弯曲的曲线，三次多项式可写为：

> fit3 <- lm(weight ~ height + I(height^2) +I(height^3), data=women)

虽然更高次的多项式也可用，但是使用比三次更高的项基本上没必要。
使用car 包中的 scatterplot() 函数，可以很容易、方便地绘制
二元关系图（需要再另行了解）。