#讀取csv格式的檔案，也可以讀取xsl
data1=read.csv("c:/users/administrator/desktop/11%kirng樹高025.csv",header=t,na.strings=c("na"))
data1
#建立線性模型h為因變數，pre.h為自變數，資料來自於data1
model1
#給出模型結果
summary(model1)
結果：
estimate為模型引數，0.066881為常數，0.96872位pre.h的係數，調整後的r2是0.8141，並給出了t檢驗及f檢驗值
#繪製散點圖
plot(h~pre.h,data=data1,xlab="lidar提取樹高",ylab = "實測樹高")
#擬合模型曲線
abline(model1)
#殘差值
residuals.lm(model1)
#加入文字
text(x=9,y=16,labels=paste("y=",a,"x+",b,sep=""))
text(x=9,y=15,labels="r2=0.814")
結果就是這樣的：
R語言 一元線性回歸
一元線性回歸的基本步驟 1.載入資料 給出散點圖 x plot x,y 2.線性回歸 得到回歸方程 並檢視回歸結果 所得回歸方程為y 130.83x 28.49 3.線性擬合 abline cg 新增擬合直線 4.x0 0.16時相應y的概率為0.95的 區間 x0 pred prediction ...
python 一元線性回歸模型分析
一 要求 boston 房價資料是機器學習中著名的基礎資料集，包含 506 條記錄，每條記錄包含房 屋的 13 條屬性，房價資訊屬性 medv 在 boston.target 中，具體 翻譯成中文 可通過如下語句檢視 print boston.descr 各屬性的中文解釋如下 完成如下資料處理和分析...
R語言 一元線性回歸學習記錄
基礎知識需要了解正態分佈，t檢驗值，p value值，顯著性檢驗等。下面是 與注釋講解 csvpath csvpath dfdfx y xy plot y x 1 jhy1 x 建立線性回歸模型 jhyxm 呼叫mean函式求均值 xmplot y x 1 繪製回歸線 abline jhy 繪製擬合...