原文鏈接：http://tecdat.cn/?p=22438?

原文出處：拓端數(shù)據(jù)部落公眾號

多項式回歸是獨立x變量和因果y變量之間的非線性關系。

當我們分析有一些彎曲的波動數(shù)據(jù)時，擬合這種類型的回歸是很關鍵的。?
在這篇文章中，我們將學習如何在R中擬合和繪制多項式回歸數(shù)據(jù)。我們在這個回歸模型中使用了lm()函數(shù)。雖然它是一個線性回歸模型函數(shù)，但通過改變目標公式類型，lm()對多項式模型也適用。本教程包括

1. 準備數(shù)據(jù)

2. 擬合模型

3. 尋找最佳擬合

4. 源代碼

準備數(shù)據(jù)

我們首先要準備測試數(shù)據(jù)，如下所示。

我們可以將'df'數(shù)據(jù)可視化，在圖中進行直觀的檢查。我們的任務是用最佳曲線擬合這個數(shù)據(jù)。

擬合模型

我們用lm()函數(shù)建立一個帶有公式的模型。??I(x^2)在一個公式中代表x2。我們也可以使用poly(x,2)函數(shù)，它與I(x^2)的表達方式相同。

接下來，我們將用訓練好的模型來預測數(shù)據(jù)。

尋找最佳擬合

找到最佳擬合的曲線很重要。我們用各種可能的函數(shù)檢查模型。在這里，我們應用四種類型的函數(shù)進行擬合，并檢查其性能。
橙色線（線性回歸）和黃色曲線對這個數(shù)據(jù)來說是錯誤的選擇。粉紅色曲線很接近，但藍色曲線是與我們的數(shù)據(jù)趨勢最匹配的。因此，我使用y~x3+x2公式來建立我們的多項式回歸模型。
你可以通過將你的數(shù)據(jù)可視化來找到最適合的公式。

源代碼列在下面。

繪制結果

1. 用plot()函數(shù)作圖。

2. 用ggplot()作圖。
多項式回歸數(shù)據(jù)可以用ggplot()擬合和繪制。

在本教程中，我們簡要了解了如何擬合多項式回歸數(shù)據(jù)，并使用R中的plot()和ggplot()函數(shù)繪制結果，完整的源代碼如下。

最受歡迎的見解

1.R語言多元Logistic邏輯回歸 應用案例

2.面板平滑轉移回歸(PSTR)分析案例實現(xiàn)

3.matlab中的偏最小二乘回歸（PLSR）和主成分回歸（PCR）

4.R語言泊松Poisson回歸模型分析案例

5.R語言回歸中的Hosmer-Lemeshow擬合優(yōu)度檢驗

6.r語言中對LASSO回歸，Ridge嶺回歸和Elastic Net模型實現(xiàn)

7.在R語言中實現(xiàn)Logistic邏輯回歸

8.python用線性回歸預測股票價格

9.R語言如何在生存分析與Cox回歸中計算IDI，NRI指標