
數(shù)據(jù)分析師用r語言做數(shù)據(jù)分析的時(shí)候會很多,也有很多數(shù)據(jù)分析師對于用r語言不是很了解,下面就談?wù)撘幌拢?
線性回歸簡介:如下圖所示,如果把自變量(也叫independent variable)和因變量(也叫dependent variable)畫在二維坐標(biāo)上,則每條記錄對應(yīng)一個(gè)點(diǎn)。線性回規(guī)最常見的應(yīng)用場景則是用一條直線去擬和已知的點(diǎn),并對給定的x值預(yù)測其y值。而我們要做的就是找出一條合適的曲線,也就是找出合適的斜率及縱截矩。
SSE & RMSE
上圖中的SSE指sum of squared error,也即預(yù)測值與實(shí)際值之差的平方和,可由此判斷該模型的誤差。但使用SSE表征模型的誤差有些弊端,比如它依賴于點(diǎn)的個(gè)數(shù),且不好定其單位。所以我們有另外一個(gè)值去稱量模型的誤差。RMSE(Root-Mean-Square Error)。
由N將其標(biāo)準(zhǔn)化,并且其單位與變量單位相同。
案例
許多研究表明,全球平均氣溫在過去幾十年中有所升高,以此引起的海平面上升和極端天氣頻現(xiàn)將會影響無數(shù)人。本文所講案例就試圖研究全球平均氣溫與一些其它因素的關(guān)系。
本例我們以1983年5月到2006年12月的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集,以之后的數(shù)據(jù)作為測試數(shù)據(jù)集。
數(shù)據(jù)
首先加載數(shù)據(jù)
temp <- read.csv("climate_change.csv")
數(shù)據(jù)解釋
Year 年份 M
Month 月份 T
emp 當(dāng)前周期內(nèi)的全球平均氣溫與一個(gè)參考值之差
CO2, N2O,CH4,CFC.11,CFC.12:這幾個(gè)氣體的大氣濃度 Aerosols
線性回歸模型保留兩部分。
"數(shù)據(jù)分析師'選擇目標(biāo)feature。我們數(shù)據(jù)中,有多個(gè)feature,但并非所有的feature都對預(yù)測有幫助,或者并非所有的feature都需要一起工作來做預(yù)測,因此我們需要篩選出最小的最能預(yù)測出接近事實(shí)的feature組合。
確定feature系數(shù)(coefficient)。feature選出來后,我們要確定每個(gè)feature對預(yù)測結(jié)果所占的權(quán)重,這個(gè)權(quán)重即為coefficient
結(jié)合實(shí)例選擇模型
初始選擇所有feature
選擇所有feature作為第一個(gè)model1,并使用summary函數(shù)算出其Adjusted R2為0.7371。
model1 <- lm(Temp ~ MEI + CO2 + CH4 + N2O + CFC.11 + CFC.12 + TSI + Aerosols, temp) summary(model1)
逐一去掉feature
在model1中去掉任一個(gè)feature,并記下相應(yīng)的Adjusted R2如下
Feature |
Adjusted R2 |
CO2 + CH4 + N2O + CFC.11 + CFC.12 + TSI + Aerosols |
0.6373 |
MEI + CH4 + N2O + CFC.11 + CFC.12 + TSI + Aerosols |
0.7331 |
MEI + CO2 + N2O + CFC.11 + CFC.12 + TSI + Aerosols |
0.738 |
MEI + CO2 + CH4 + CFC.11 + CFC.12 + TSI + Aerosols |
0.7339 |
MEI + CO2 + CH4 + N2O + CFC.12 + TSI + Aerosols |
0.7163 |
MEI + CO2 + CH4 + N2O + CFC.11 + TSI + Aerosols |
0.7172 |
MEI + CO2 + CH4 + N2O + CFC.11 + CFC.12 + Aerosols |
0.697 |
MEI + CO2 + CH4 + N2O + CFC.11 + CFC.12 + TSI |
0.6883 |
本輪得到Temp ~ MEI + CO2 + N2O + CFC.11 + CFC.12 + TSI + Aerosols
從model2中任意去掉1個(gè)feature,并記下相應(yīng)的Adjusted R2如下
Feature |
Adjusted R2 |
CO2 + N2O + CFC.11 + CFC.12 + TSI + Aerosols |
0.6377 |
MEI + N2O + CFC.11 + CFC.12 + TSI + Aerosols |
0.7339 |
MEI + CO2 + CFC.11 + CFC.12 + TSI + Aerosols |
0.7346 |
MEI + CO2 + N2O + CFC.12 + TSI + Aerosols |
0.7171 |
MEI + CO2 + N2O + CFC.11 + TSI + Aerosols |
0.7166 |
MEI + CO2 + N2O + CFC.11 + CFC.12 + Aerosols |
0.698 |
MEI + CO2 + N2O + CFC.11 + CFC.12 + TSI |
0.6891 |
任一組合的Adjusted R2都比上一輪小,因此選擇上一輪的feature組合作為最終的模型,也即Temp ~ MEI + CO2 + N2O + CFC.11 + CFC.12 + TSI + Aerosols
由summary(model2)可算出每個(gè)feature的coefficient如下 。
線性回歸介紹
在線性回歸中,數(shù)據(jù)使用線性預(yù)測函數(shù)來建模,并且未知的模型參數(shù)也是通過數(shù)據(jù)來估計(jì)。這些模型被叫做線性模型。最常用的線性回歸建模是給定X值的y的條件均值是X的仿射函數(shù)。
線性回歸是回歸分析中第一種經(jīng)過嚴(yán)格研究并在實(shí)際應(yīng)用中廣泛使用的類型。這是因?yàn)榫€性依賴于其未知參數(shù)的模型比非線性依賴于其位置參數(shù)的模型更容易擬合,而且產(chǎn)生的估計(jì)的統(tǒng)計(jì)特性也更容易確定。
上面這段定義來自于維基百科。
這個(gè)錯(cuò)誤估計(jì)函數(shù)是去對x(i)的估計(jì)值與真實(shí)值y(i)差的平方和作為錯(cuò)誤估計(jì)函數(shù),前面乘上的1/2m是為了在求導(dǎo)的時(shí)候,這個(gè)系數(shù)就不見了。至于為何選擇平方和作為錯(cuò)誤估計(jì)函數(shù),就得從概率分布的角度來解釋了。
如何調(diào)整θ以使得J(θ)取得最小值有很多方法,本文會重點(diǎn)介紹梯度下降法和正規(guī)方程法。
在選定線性回歸模型后,只需要確定參數(shù)θ,就可以將模型用來預(yù)測。然而θ需要使得J(θ)最小。因此問題歸結(jié)為求極小值問題。
梯度下降法流程如下:
1. 首先對θ賦值,這個(gè)值可以是隨機(jī)的,也可以讓θ為一個(gè)全零向量。
2. 改變θ的值,使得J(θ)按梯度下降的方向進(jìn)行調(diào)整。
梯度方向由J(θ)對θ的偏導(dǎo)數(shù)確定,由于求的是極小值,因此梯度方向是偏導(dǎo)數(shù)的反方向。更新公式為為:
這種方法需要對全部的訓(xùn)練數(shù)據(jù)求得誤差后再對θ進(jìn)行更新。(α為學(xué)習(xí)速度)
正規(guī)方程(Normal Equation)數(shù)據(jù)分析師培訓(xùn)
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預(yù)判? ? 在數(shù)據(jù)驅(qū)動決策的時(shí)代,預(yù)測分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03