機器學習實用案例解析--讀書筆記

第五章 線性迴歸

• 對於一個給定的數據集，我們想用線性迴歸來進行預測
  fitted.regression <- lm(y~x,datasource)

• 接下來要進行直線的位置參數的求解
  [intercept slope] = ceof(fitted.regression)

• 求解出直線以後，要對我們求出的直線進行評估，主要通過殘差平方和
  errors <- residuals(fitted.regression)
  squred.errors <- errors ^ 2

• 但是殘差平方和會受到數據集大小的影響，所以使用殘差平方和的均值MSE
  mse <- mean(squared.errors)

• 然而平均偏離量較大時，還是會把這種偏離的影響擴大，因爲是先求了平方再求得均值，所以用均方誤差 RSME
  rsme <- sqrt(mse)

• 但是我們沒有一個標準說RSME到多大是不好的，所以我們R^2來解決
  r2 <- 1- (model.rmse/mean.rmse)