R语言预测海藻数量.docVIP

读取数据： algae-read.table(C:/Users/shengjun/Desktop/Analysis.txt,,s=c(season, size, speed, mxPH, mnO2, Cl, NO3, NH4, oPO4, PO4, Chla, a1, a2, a3, a4, a5, a6, a7),na.strings=c(XXXXXXX)) head(algae) 2.获取数据描述性统计摘要： summary(algae) 3.做变量间的相关程度图： mydata - algae[, c(4,5,6,7,8,9,10,11)] head(mydata) cormat - round(cor(mydata,use=plete),2) cormat install.packages(theme_minimal) install.packages(ggplot2) install.packages(reshape2) library(reshape2) melted_cormat - melt(cormat) head(melted_cormat) library(ggplot2) ggplot(data = melted_cormat, aes(x=X1, y=X2, fill=value)) + geom_tile() 由表和图比较直观看到但变量之间相关系数不大，但特殊的NH4和NO3相关程度有0.72、变量PO4、oPO4 之间相关程度很大达到91.2%。这说明变量间从直观上也可以看出有可能存在着多重共线性的影响。 4.判断数据是否服从正态： par(mfrow=c(2,4)) library(car) qqPlot(algae$mxPH, main=Normal QQ plot of maximum pH) qqPlot(algae$mnO2, main=Normal QQ plot of mnO2) qqPlot(algae$Cl, main=Normal QQ plot of Cl) qqPlot(algae$NO3, main=Normal QQ plot of NO3) qqPlot(algae$NH4, main=Normal QQ plot of NH4) qqPlot(algae$oPO4, main=Normal QQ plot of oPO4) qqPlot(algae$Chla, main=Normal QQ plot of Chla) qqPlot(algae$PO4, main=Normal QQ plot of PO4) 从图上看到都不服从正态分布 5.找数据确实值并填补： algae[!complete.cases(algae),] algae1-na.omit(algae) 用书上第一种方法直接将确实部分剔除，因为200组数据剔除16组数据影响不大，用复杂的方法填补缺失值，反而可能导致较大偏差。 6.建模： 用处理后的训练数据集algae1作为最终待处理的数据集。 建立用于预测海藻频率的线性回归模型： lm.a1-lm(a1~.,data=algae1[,1:12]) summary(lm.a1) 进行方差分析： anova(lm.a1) 剔除对模型拟合优度贡献最小的因子season lm.a2-update(lm.a1,.~.-season) summary(lm.a2) 比较a1,a2两个模型lm.a1的R2=0.3379, lm.a2的R2=0.3343相差不大, lm.a2 和lm.a1 的方差比较，anova(lm.a1,lm.a2) 误差平方和减少了271.06，显著性0.8228，两个模型不同的可能性有17.72%，基本说明相同。用向后消元法: final.lm-step(lm.a1) 得到新的线性模型为 最后模型为： summary(final.lm) 得到模型为: a1=24.74+3.77sizemedium+11.01sizesmall-0.04Cl-1.36NO3+0.0001NH4-0.06PO4 (7.766) (1.139) (3.151) (-1.411) (-2.726) (1.487) (-5.355) R2=0.32 P0.05通过检验，但是拟合效果欠佳。 7.模型检验，看残差是否正态分布： shapiro.test(final.lm$residuals) par(mfrow=c(1,2)) hist(final.lm$residuals) qqnorm(final.lm$residuals) 看到残差图不是正态分