Sí, y es bastante simple.
Permítanos generar algunos datos para nuestro uso:
> x y <-10 * x + rnorm (10, media <-10, sd <-10)
Agregamos algo de ruido aleatorio para simular la variación de la linealidad perfecta.
- ¿Cómo asociaría un producto con una categoría y subcategoría basada en la descripción de texto del producto?
- ¿Por qué todavía necesitamos aprender Minería de datos cuando tenemos Mahout?
- Cómo guardar un modelo de red neuronal de convolución después del entrenamiento
- ¿Se utiliza el álgebra abstracta y el análisis real en el aprendizaje automático? Si es así, ¿cómo se usan?
- ¿Los bosques aleatorios son solo un tipo de Monte Carlo?
Trazalo para echar un vistazo.
> jpeg ('data.jpg') > trama (x, y) > dev.off () dispositivo nulo 1
Muy cerca de lineal
> cor (x, y) [1] 0.9920282
Encuentre el ajuste lineal de mínimos cuadrados usando lm
:
> ajuste = lm (y ~ x) > ajuste Llamada: lm (fórmula = y ~ x) Coeficientes (Intercepción) x 11.623 9.844
Tracemos los datos con la línea de regresión.
> jpeg ('with-line.jpg') > trama (x, y) > abline (ajuste) > dev.off () dispositivo nulo 1
Bastante sencillo.
Consejo: utilice el motor de búsqueda RSeek.org R-project. Es un recurso muy útil para aprender a usar R para tareas específicas.
Gracias por el A2A!