Regressionsmodeller
Udforsk lineær og logistisk regression til prædiktiv modellering, og fortolk modellernes resultater.
Regressionsmodeller er en gratis R Academy-lektion på CoddyKit. Dette er lektion 1 af 3. Du kan læse alle 3 lektioner i dette læringsspor gratis i deres fulde længde — derefter låser CoddyKit PRO alle lektioner op samt praktiske øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. Den er en del af læringsforløbet i R Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. R Academy-kurset indeholder 3 lektioner i alt.
Introduktion til regressionsmodeller
Regressionsanalyse er en statistisk teknik, der bruges til at modellere sammenhænge mellem variable. Den hjælper med at forudsige resultater og afdække mønstre i data.
Forstå lineær regression
Lineær regression modellerer sammenhængen mellem en afhængig og en uafhængig variabel ved hjælp af en ret linje.
model <- lm(mpg ~ hp, data=mtcars)
summary(model)Visualisering af regressionslinjer
Brug abline() til at føje en regressionslinje til et punktdiagram.
plot(mtcars$hp, mtcars$mpg)
abline(model, col='red')Multipel lineær regression
Multipel regression omfatter mere end én uafhængig variabel for at forklare variationen i den afhængige variabel.
model_multi <- lm(mpg ~ hp + wt, data=mtcars)
summary(model_multi)Kontrol af modeltilpasning
Brug summary() til at evaluere regressionsmodellens kvalitet, herunder R-kvadreret og p-værdier.
summary(model_multi)Udførelse af logistisk regression
Logistisk regression modellerer binære kategoriske resultater (f.eks. succes over for fiasko).
data(mtcars)
mtcars$am <- as.factor(mtcars$am)
model_logit <- glm(am ~ hp + wt, data=mtcars, family='binomial')
summary(model_logit)Forudsigelse af nye værdier
Brug predict() til at generere forudsigelser fra en trænet regressionsmodel.
predict(model_multi, newdata=data.frame(hp=120, wt=3))Evaluering af modelantagelser
Regressionsmodeller antager normalitet, homoskedasticitet og uafhængighed mellem fejl. Kontrollér residualdiagrammer for at vurdere validiteten.
plot(model_multi$residuals)Opsummering
I denne lektion lærte du:
- Hvordan du udfører lineær og multipel regression.
- Hvordan du evaluerer regressionsmodellens ydeevne.
- Hvordan du forudsiger nye værdier ved hjælp af regressionsmodeller.
Lær R med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 43
- Lektioner
- 159
Ofte stillede spørgsmål
Er lektionen “Regressionsmodeller” gratis?
Ja — alle 3 lektioner i læringssporet R Academy, inklusive “Regressionsmodeller”, kan læses gratis i deres fulde længde her på webstedet. Derefter låser CoddyKit PRO alle lektioner op samt interaktive øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. R Academy-kurset indeholder 3 lektioner i alt.
Hvad lærer jeg i “Regressionsmodeller”?
Udforsk lineær og logistisk regression til prædiktiv modellering, og fortolk modellernes resultater. Du øver dig i R Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på R Academy?
Der kræves ingen tidligere erfaring. R Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 1 af 3.
Hvor lang tid tager lektionen “Regressionsmodeller”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne R Academy-lektion?
Ja. Alle R Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Regressionsmodeller
- Tidsserieanalyse
- Grundlæggende machine learning