今天主要内容是线性回归的介绍
原则：在进行任何正式分析之前，先要对数据进行可视化分析，看看直观效果。
当没有任何其他附加信息的情况下，对一个变量的最佳假设也是最基本的假设，就是其均值。（前提是使用平方误差作为衡量准则时）
第二层信息就是可以被利用的二元或多元区分型的信息，这类信息可以辅助我们的预测。
第三层，也就是要讨论的线性回归。为的是充分利用非二元区分性的输入或者一次使用多重信息。
ggplot(top.1000.sites,aes(x=log(PageViews),y=log(UniqueVisitors))) + geom_point() + geom_smooth(method='lm',se=FALSE)
这句是调用lm线性回归模型可视化的典型语句。另外还要注意，当数据信息的可视化很糟糕的时候，考虑使用log。
另一种方式：
lm.fit <- lm(log(PageViews) ~ log(UniqueVisitors),data=top.1000.sites)
这种方式可以在后续使用summary函数查看详细回归参数。
t-value;Multiple R-squared;几个参数的含义还要详细研究。
验证模型效果的黄金标准是：它在未知数据上的预测能力，而不是在用于拟合它的数据上的效果。
另外，可以通过单因子的lm和summary中的R2 值来分离性地观察其对总方差的解释比例，就可以看出哪个因子更加重要。
相关性：仅仅告诉你两个变量之间有关系，并不能告诉你任何因果关系。计算相关性，需要进行刻度变换，运用scale函数。