腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
生物信息云
旨在传播生物医学科研实验技能和生物信息学基础知识及应用技巧
专栏作者
举报
251
文章
1055269
阅读量
399
订阅数
订阅专栏
申请加入专栏
全部文章(251)
数据库(72)
sql(67)
https(37)
编程算法(35)
网络安全(33)
数据分析(33)
r 语言(19)
腾讯云开发者社区(18)
python(15)
http(14)
go(13)
数据(13)
硬件开发(10)
linux(9)
可视化(9)
na(8)
html(6)
视频(6)
数据处理(5)
数据结构(5)
min(5)
对象(5)
函数(5)
教程(5)
机器学习(4)
ide(4)
神经网络(4)
深度学习(4)
人工智能(4)
线性回归(4)
file(4)
pdb(4)
系统(4)
bash(3)
json(3)
express(3)
存储(3)
tcp/ip(3)
count(3)
data(3)
ggplot2(3)
line(3)
pdf(3)
云服务器(2)
对象存储(2)
java(2)
node.js(2)
打包(2)
git(2)
github(2)
centos(2)
文件存储(2)
腾讯云测试服务(2)
网站(2)
企业(2)
开源(2)
缓存(2)
正则表达式(2)
面向对象编程(2)
大数据(2)
windows(2)
adt(2)
barcode(2)
bi(2)
cell(2)
grid(2)
matrix(2)
partial(2)
path(2)
python3(2)
sample(2)
工具(2)
软件(2)
网络(2)
原理(2)
云硬盘(1)
数据挖掘(1)
php(1)
perl(1)
javascript(1)
xml(1)
css(1)
jquery(1)
android(1)
access(1)
搜索引擎(1)
windows server(1)
apache(1)
bash 指令(1)
黑石物理服务器(1)
日志服务(1)
腾讯专有云 PaaS 平台(1)
图像处理(1)
医疗(1)
xslt & xpath(1)
云联网(1)
ssh(1)
gui(1)
ftp(1)
grep(1)
ntp(1)
anaconda(1)
数据可视化(1)
虚拟化(1)
聚类算法(1)
flink(1)
学习方法(1)
数据集成(1)
alpha(1)
anova(1)
apply(1)
atom(1)
background(1)
bit(1)
calculation(1)
com(1)
conda(1)
cycle(1)
database(1)
db(1)
display(1)
download(1)
drawing(1)
dt(1)
element(1)
expect(1)
expression(1)
fs(1)
geo(1)
glsl(1)
image(1)
import(1)
interface(1)
lambda(1)
lattice(1)
launch(1)
limit(1)
list(1)
marker(1)
math(1)
methods(1)
normalization(1)
null(1)
object(1)
panel(1)
paste(1)
perfect(1)
plot(1)
point(1)
product(1)
ps(1)
rank(1)
response(1)
sequence(1)
set(1)
show(1)
size(1)
slide(1)
snapshot(1)
sse(1)
surface(1)
tar(1)
text(1)
tfs(1)
time(1)
tm(1)
tools(1)
umi(1)
url(1)
using(1)
version(1)
vi(1)
web(1)
变量(1)
测试(1)
程序(1)
基础(1)
集合(1)
开发(1)
模型(1)
配置(1)
软件开发(1)
事件(1)
搜索(1)
算法(1)
统计(1)
芯片(1)
字符串(1)
搜索文章
搜索
搜索
关闭
R语言数据分析与挖掘(第四章):回归分析(4)——logistic回归
编程算法
线性回归
r 语言
前面我们介绍的回归方法,一般适用于数值型数据对象,对于分类数据类型就不再适用。对于分类数据对象,我们需要引入广义线性回归方法,比如logistic回归和poisson回归模型。这里我们介绍logistic回归。
DoubleHelix
2019-12-13
11.9K
0
R语言数据分析与挖掘(第四章):回归分析(2)——多元线性回归
编程算法
线性回归
r 语言
数据分析
上一篇文章中介绍了一元线性回归(R语言数据分析与挖掘(第四章):回归分析(1)——一元回归分析),然而,在实际操作中,多元性回归会更多见,因为一个响应变量会对应多个解释变量,一种现象常常是与多个因素相联系的,由多个自变量的最优组合共同来预测或估计因变量,比只用一个自变量进行预测或估计更有效,更符合实际。因此多元线性回归比一元线性回归的实用意义更大。
DoubleHelix
2019-10-01
4K
0
R语言数据分析与挖掘(第四章):回归分析(1)——一元回归分析
编程算法
线性回归
回归分析只涉及到两个变量的,称一元回归分析。一元回归的主要任务是从两个相关变量中的一个变量去估计另一个变量,被估计的变量,称因变量,可设为Y;估计出的变量,称自变量,设为X。回归分析就是要找出一个数学模型Y=f(X),使得从X估计Y可以用一个函数式去计算。当Y=f(X)的形式是一个直线方程时,称为一元线性回归。这个方程一般可表示为Y=A+BX。根据最小平方法或其他方法,可以从样本数据确定常数项A与回归系数B的值。A、B确定后,有一个X的观测值,就可得到一个Y的估计值。回归方程是否可靠,估计的误差有多大,都还应经过显著性检验和误差计算。有无显著的相关关系以及样本的大小等等,是影响回归方程可靠性的因素。R语言中的一元线性回归是用lm()函数实现的。
DoubleHelix
2019-09-27
2.2K
0
R语言数据分析与挖掘(第一章):数据预处理(2)——缺失值常用的处理方法
线性回归
编程算法
上一篇文章(缺失值处理)介绍了缺失值处理的判断方法,这一讲接着介绍缺失值常用的几种处理方法:删除法,替换法和插补法。不同的方法对应不同类型的缺失值。
DoubleHelix
2019-09-25
2.4K
0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档