非线性回归-多项式回归 (polynomial regression in r)

废话不多说，直接附上code
影片含有程序码详细解说，若有误再烦请告知，谢谢

data(iris)
iris <- iris[,-c(5)]
#找自变数
library(rminer) 
model <- lm(Sepal.Length~Sepal.Width+Petal.Length+Petal.Width,iris)
lm <- Importance(model,iris,measure="AAD")
lm$imp
#检查离群值
par(mfrow=c(1,3))
boxplot(iris$Sepal.Width)$out
boxplot(iris$Petal.Length)$out
boxplot(iris$Petal.Width)$out
par(mfrow=c(1,3))
scatter.smooth(x=iris$Sepal.Width, y=iris$Sepal.Length)
scatter.smooth(x=iris$Petal.Length, y=iris$Sepal.Length)
scatter.smooth(x=iris$Petal.Width, y=iris$Sepal.Length)
#随机抽样
n <- nrow(iris)
set.seed(1117)
subiris <- sample(seq_len(n), size = round(0.7 * n))
traindata <- iris[subiris,]
testdata <- iris[ - subiris,]

#建模
model <- lm(Sepal.Length~poly(Sepal.Width,3)+Petal.Length+Petal.Width,traindata)
#条件2~4
library(car)
ncvTest(model)#>a 残差变异数有同质性
shapiro.test(model$residuals) #>a 残差常态
library(lmtest)
dwtest(model)#>a 残差独立
vif(model)  #<10 ok 10~100可能过度配适

#预测
future <- predict(model,testdata)
future <- as.data.frame(future)
final <- cbind(future,testdata)
library(dplyr)
final <- mutate(final,mape=abs(future-Sepal.Length)/Sepal.Length)
mean(final$mape)