Professional Documents
Culture Documents
REGRESIÓN LINEAL
ruta<-"C:/Users/Alejandro Moran/Downloads/"
datos<-read.csv(paste0(ruta,"ToyotaCorolla.csv"),header=TRUE)
head(datos)
summary(datos)
nombres<-names(datos)
resultados<-data.frame()
N<-length(nombres)
for(n in 1:(N-1))
{M<-combn(nombres[-1],n)
for(k in 1:dim(M)[2])
tempo<-summary(lm(formula.definida,data=datos))$adj.r.squared
resultados<-rbind(resultados,data.frame("n"=n,"R2
ajust"=tempo,"variables"=paste(M[,k],collapse = " + "))) }
resultados
resultados[resultados$R2.ajust==max(resultados$R2.ajust),]
modelo<-lm(Price~.,data = datos)
summary(modelo)
summary(modelo)$coefficients
n R2.ajust variables
7 0.8685346 Age + KM + FuelType + HP + Automatic + CC + Weight
Conclusión: se puede determinar que el valor de R^2 Ajustado es del 0,8685 por lo tanto la
regresión tiene un 86,85 % de efectividad.
Graficas
2.- Método de selección hacia ATRÁS de modelo para predecir variable "Price" de
datos ToyotaCorolla.csv considerando todas las variables como predictoras
(numéricas y categóricas)
ruta<-"C:/Users/Alejandro Moran/Downloads/"
datos<-read.csv(paste0(ruta,"ToyotaCorolla.csv"),header=TRUE)
head(datos)
summary(datos)
nombres<-names(datos)
resultados<-data.frame()
N<-length(nombres)
for(n in 1:(N-1))
{M<-combn(nombres[-1],n)
for(k in 1:dim(M)[2])
tempo<-summary(lm(formula.definida,data=datos))$adj.r.squared
resultados<-rbind(resultados,data.frame("n"=n,"R2
ajust"=tempo,"variables"=paste(M[,k],collapse = " + ")))}
resultados
resultados[resultados$R2.ajust==min(resultados$R2.ajust),]
modelo<-lm(Price~.,data = datos)
summary(modelo)
summary(modelo)$coefficients
n R2.ajust variables
1 0.0003977454 Automatic