多元迴歸是線性迴歸到兩個以上變量之間的關係的延伸。 在簡單線性關係中，我們有一個預測變量和一個響應變量，但在多元迴歸中，我們有多個預測變量和一個響應變量。今天主要和大家分享一下自己關於多重回歸的學習。在實際的項目以及學習中，我們多元迴歸的一般數學方程爲：
y = a + b1x1 + b2x2 +...bnxn
以下是所使用的參數的描述 -
-
y是響應變量。
-
a，b1，b2 ... bn是係數。
-
x1，x2，... xn是預測變量。
我們使用R語言中的lm()函數創建迴歸模型。模型使用輸入數據確定係數的值。 接下來，我們可以使用這些係數來預測給定的一組預測變量的響應變量的值。
學習示例：輸入數據
考慮在R語言環境中可用的數據集“mtcars”。 它給出了每加侖里程（mpg），氣缸排量（“disp”），馬力（“hp”），汽車重量（“wt”）和一些其他參數的不同汽車模型之間的比較。
模型的目標是建立“mpg”作爲響應變量與“disp”，“hp”和“wt”作爲預測變量之間的關係。 爲此，我們從mtcars數據集中創建這些變量的子集
#取參數進行模型的建立
input <- mtcars[,c("mpg","disp","hp","wt")]
print(head(input))
# 創建關係模型並獲取係數
input <- mtcars[,c("mpg","disp","hp","wt")]
# Create the relationship model.
model <- lm(mpg~disp+hp+wt, data = input)
# Show the model.
print(model)
# Get the Intercept and coefficients as vector elements.
cat("# # # # The Coefficient Values # # # ","")
#get all elements.
a <- coef(model)[1]
print(a)
Xdisp <- coef(model)[2]
Xhp <- coef(model)[3]
Xwt <- coef(model)[4]
#print elements.
print(Xdisp)
print(Xhp)
print(Xwt)
# 當我們執行上面的代碼，創建迴歸模型的方程
#
# 基於上述截距和係數值，我們創建了數學方程。
Y = a+Xdisp.x1+Xhp.x2+Xwt.x3
or
Y = 37.15+(-0.000937)*x1+(-0.0311)*x2+(-3.8008)*x3
#最後我們根據我我們所建立的模型。來預測新值
# 當提供一組新的位移，馬力和重量值時，我們可以使用上面創建的迴歸方程來預測里程數。
# 對於disp = 221，hp = 102和wt = 2.91的汽車，預測里程爲 -
# Y = 37.15+(-0.000937)*221+(-0.0311)*102+(-3.8008)*2.91 = 22.7104