線性迴歸總結
R 中的監督式學習：回歸
Nina Zumel and John Mount
Win-Vector, LLC
線性迴歸的優缺點
- 優點
- 容易擬合與應用
- 精簡
- 較不易過度擬合
線性迴歸的優缺點
- 優點
- 容易擬合與應用
- 精簡
- 較不易過度擬合
- 可解釋
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
線性迴歸的優缺點
- 優點
- 容易擬合與應用
- 精簡
- 較不易過度擬合
- 可解釋
- 缺點
- 只能表達線性且可加性的關係
共線性
- 共線性（Collinearity）——輸入變數彼此部分相關。
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
共線性
- 共線性——變數彼此部分相關。
- 迴歸係數可能變號
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
共線性
- 共線性——變數彼此部分相關。
- 迴歸係數可能變號
- 高共線性：
- 係數（或標準誤）偏大
- 模型可能不穩定
Call:
lm(formula = blood_pressure ~ age + weight, data = bloodpressure)
Coefficients:
(Intercept) age weight
30.9941 0.8614 0.3349
接下來
- 評估迴歸模型
- 正確訓練模型
一起來練習吧！
R 中的監督式學習：回歸
