Lineair regressie-algoritme
Om lineaire regressie echt te begrijpen, is het handig om te weten hoe het algoritme werkt. De code voor lm() beslaat honderden regels omdat die met elke formule en elke gegevensset moet kunnen werken. Maar in het geval van eenvoudige lineaire regressie voor één gegevensset kun je een lineair regressie-algoritme implementeren in slechts een paar regels code.
De workflow is:
- Schrijf een script om de som van kwadraten te berekenen.
- Zet dit om in een functie.
- Gebruik R's algemene optimalisatiefunctie om de coëfficiënten te vinden die dit minimaliseren.
De verklarende waarden (de kolom n_convenience van taiwan_real_estate) zijn beschikbaar als x_actual.
De responswaarden (de kolom price_twd_msq van taiwan_real_estate) zijn beschikbaar als y_actual.
Deze oefening maakt deel uit van de cursus
Intermediary Regression in R
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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
___