fitbit
date cal step dist floor sit inactive walk run
2023年1月1日 2496 12803 9.14 15 1161 123 98 58
2023年1月2日 2513 12955 9.47 12 1188 112 67 73
2023年1月3日 2228 8768 6.31 16 1234 97 72 37
2023年1月4日 2336 8971 6.41 16 1140 174 113 13
2023年1月5日 2508 12078 9.05 8 1153 130 108 49
2023年1月6日 2763 15880 11.36 20 1061 177 141 61
2023年1月7日 2453 10895 7.78 12 1145 156 99 40
2023年1月8日 2449 11692 8.44 13 1164 121 118 37
檢視step與dist的相關度，可以看出值幾乎等於1，說明步數與距離是強相關。
cor(step, dist)
[1] 0.9998078
進行簡單的線性回歸：
dist.step
顯示dist.step的值可以看到：
call: lm(formula = dist ~ step, data = fitbit)
coefficients:
(intercept) step
-0.0059966 0.0007171
說明擬合的公式為：dist = -0.0059966 + 0.0007171 * step
可以用abline函式畫出擬合的直線：
還有乙個更牛的car包，可以一次性繪出更強的圖形：
在座標系的旁邊還有箱線圖，圖中自動畫出了擬合的直線。
可以看看卡路里消耗與步數的關係：
可以看出這函式自動擬合了一條直線和一條曲線。
R語言學習筆記 回歸分析
1.一元線性回歸 lm lm formula,data,subset,weights,na.action,method qr model true,x false,y false,qr true,singular.ok true,contrasts null,offset,formula為要擬合的模...
R語言學習筆記 8 線性回歸
erg tutorial 3 linear model a lm medv lstat i lstat 2 date boston 對lstat和lstat 2進行線性回歸 a lm medv poly lstat,5 date boston 對lstat,lstat 2 lstat 3進行線性回歸...
R語言學習之簡單線性回歸
從許多方面來看，回歸分析都是統計學的核心。它其實是乙個廣義的概念，通指那些用乙個或多個 變數 也稱自變數或解釋變數 來 響應變數 也稱因變數 效標變數或結果變數 的方法。即通過已知的點來建立擬合模型，用給定的x值來 y值，找到一條合適的擬合曲線，算出合適的斜率和方差。只有乙個自變數的情況稱為簡單回歸...