如何使用多个数据在 R 中训练线性回归模型
How to use multiple data to train a linear regression model in R
我正在建立一个线性回归模型来预测 2015 年的值。我有 2013 年和 2014 年的数据。我的问题是,如何使用 2013 年和 2014 年的数据在 R 中训练我的线性回归模型?我有:
model1 = lm(x ~ y, data = data2013)
model2 = lm(x ~ y, data = data2014)
predictions1 = predict(model1, testdata)
predictions2 = predict(model2, testdata)
我想知道是否可以使用我拥有的所有数据构建更准确的模型。应该是这样的:
model1&2 = lm(x ~ y, data = data2013 & 2014)
提前谢谢你,
如果列完全相同,您应该可以这样做:
data_2013_and_2014 <- rbind(data2013, data2014)
new_model <- lm(x ~ y, data = data_2013_and_2014)
查找 ?rbind
了解更多详情。
我正在建立一个线性回归模型来预测 2015 年的值。我有 2013 年和 2014 年的数据。我的问题是,如何使用 2013 年和 2014 年的数据在 R 中训练我的线性回归模型?我有:
model1 = lm(x ~ y, data = data2013)
model2 = lm(x ~ y, data = data2014)
predictions1 = predict(model1, testdata)
predictions2 = predict(model2, testdata)
我想知道是否可以使用我拥有的所有数据构建更准确的模型。应该是这样的:
model1&2 = lm(x ~ y, data = data2013 & 2014)
提前谢谢你,
如果列完全相同,您应该可以这样做:
data_2013_and_2014 <- rbind(data2013, data2014)
new_model <- lm(x ~ y, data = data_2013_and_2014)
查找 ?rbind
了解更多详情。