同樣來自哥大的工程課程machine learning，這是一堂由IBM的首席研究員講授的機器學(xué)習(xí)課程。

頭圖是諧音爛梗，2017年學(xué)校附近的小破電影院重映了Emma Watson的 Regression(中文叫做回溯迷蹤，電影老套又平庸)，我們這次使用的模型也叫做Regression。。。

背景：研究即將接受根治性前列腺切除術(shù)的男性前列腺特異性抗原水平與一些臨床指標(biāo)之間的相關(guān)性 （拜托，這種數(shù)據(jù)超硬核的好不好）。

該數(shù)據(jù)集來自斯坦福大學(xué)的Stamey et al. (1989)

data:?

https://statweb.stanford.edu/~tibs/ElemStatLearn/datasets/prostate.data

description?

https://statweb.stanford.edu/~tibs/ElemStatLearn/datasets/prostate.info.txt

變量包括對數(shù)癌癥體積（lcavol）、對數(shù)前列腺重量（lweight）、年齡、良性前列腺增生量（lbph）、精囊浸潤（svi）、包膜穿透率（lcp）、Gleason評分（Gleason）和Gleason分?jǐn)?shù)4或5的百分比（pgg45）。（注意：svi是一個二元變量，gleason是一個有序分類變量）

現(xiàn)在讓我們擴充第2到9列的數(shù)據(jù)，因為第一列是觀測ID沒啥意義，第10列是“訓(xùn)練集”標(biāo)識也沒啥意義。我們現(xiàn)在需要將數(shù)據(jù)進行組合，以生成合格的訓(xùn)練和測試數(shù)據(jù)集。

要小心，因為R的Dply包中的重命名函數(shù)很容易出錯。我們需要給組合的列9一個名稱，使其成為我們的因變量。當(dāng)我們將數(shù)據(jù)集組合為data frame這一格式時，名稱“V9”自動分配給第9列，這還挺方便。

如果我們跳過函數(shù)“as.data.frame”，則列9沒有名稱（null），Dply的重命名函數(shù)將崩潰。后續(xù)就是老套的回歸訓(xùn)練啦，這里不做展開。