队友找到了一篇文章，关于利用NBA数据预测赛季得分。

利用NBA数据预测赛季得分

这里的思路是多变量线性回归。

用到了R语言的 lm()函数。下面简单介绍一下 lm（）函数。

lm()是R语言中经常用到的函数，用来拟合回归模型。它是拟合线性模型最基本的函数。

lm()格式如下：

myfit<-lm(formula,data)

其中，formula指要拟合的模型形式，data是一个数据框，包含了用于拟合模型的数据。结果对象（本例中是myfit）存储在一个列表中，包含了所拟合模型的大量信息。表达式（formula）形式如下：

Y~X1+X2..Xn

举个例子，我们依次在R中输入以下代码：

a<-c(1,2,3,4,5)
b<-c(2,4,6,8,10)
mydata<-data.frame(a,b)

上面的意思是我们分别定义了a,b两个向量，并赋值，然后把它们都加到了数据框mydata中。
我们想要知道向量a和向量b之间有什么关系，虽然我们一眼就能看出向量b对应的数值是a的2倍，但是计算机并不知道啊。我们仅仅以一个简单的例子来说明问题。
为了弄清楚，我们然后输入以下代码：

myfit<-lm(a<-b)
summary(myfit)

然后系统就会打印出myfit的一些参数，其中包括以下内容：

          Estimate
(Intercept)1.12347e-15
b 5.00000e-01

这里的1.12347e-15表示1.12347乘以10的-15次方，是一个很小的数值，同理，5.00000e-01表示的就是5.00000乘以10的-1次方，为0.5.
所以a,b的关系可表示为：

a=0.00000000000000112347+0.5*b

预测值与实际值很相似。这里仅仅是一个简单的例子，它还可以扩展到多个参数，具体的情况大家可以探索。
因此本人正在读《R语言实践》，所以引用了书中的很多内容，在此说明。
最后，如果各位发现本文有任何错误，欢迎指正，谢谢阅读。

转载于R语言lm()函数