Algorithmus für lineare Regression
Um lineare Regression wirklich zu verstehen, hilft es zu wissen, wie der Algorithmus funktioniert. Der Code für lm() umfasst Hunderte von Zeilen, weil er mit jeder Formel und jedem Datensatz funktionieren muss. Für einfache lineare Regression auf einem einzelnen Datensatz kannst du den Algorithmus jedoch in nur wenigen Zeilen Code implementieren.
Der Ablauf ist:
- Schreibe ein Skript, das die Quadratsumme berechnet.
- Mache daraus eine Funktion.
- Verwende Rs allgemeine Optimierungsfunktion, um die Koeffizienten zu finden, die diese minimieren.
Die erklärenden Werte (die Spalte n_convenience von taiwan_real_estate) stehen als x_actual bereit.
Die Zielwerte (die Spalte price_twd_msq von taiwan_real_estate) stehen als y_actual bereit.
Diese Übung ist Teil des Kurses
Fortgeschrittene Regression in R
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Set the intercept to 10
intercept <- ___
# Set the slope to 1
slope <- ___
# Calculate the predicted y values
y_pred <- ___
# Calculate the differences between actual and predicted
y_diff <- ___
# Calculate the sum of squares
___