R里面使用Dplyr重命名以及一个老套的回归模型

正因如此来自哥大的工程课程machine learning，这是齐集由IBM的高级顾问讲师学的图表处理课程。

头图是谐音烂小叶，2017年中小学附近的小破零售商店重映了Emma Watson的 Regression(中文叫来作回溯迷踪，科幻电影陈腐又平庸)，我们这次使用的模型也叫来作Regression。。。

文化背景：研究即将接受根治性内膜畸形的男性内膜免疫抗原水准与一些临床指标二者之间的相关性 （拜托，这种图表超硬核的好不好）。

该图表集来自哈佛大学的Stamey et al. (1989)

data：~tibs/ElemStatLearn/datasets/prostate.data

description：~tibs/ElemStatLearn/datasets/prostate.info.txt

给定包括对数乳癌体积（lcol）、对数内膜载荷（lweight）、年龄、良性内膜增生量（lbph）、精囊增生（svi）、包膜穿透率（lcp）、Gleason评分（Gleason）和Gleason分数4或5的比率（pgg45）。（注意到：svi是一个二元给定，gleason是一个有序分类给定）

那时候让我们扩大第2到9特的图表，因为第一特是观测ID没啥内涵，第10特是“体能训练集”标识也没啥内涵。我们那时候能够将图表进行混搭，以生成合格的体能训练和测试图表集。

要小心，因为R的Dply包中的重命名线性很容易出错。我们能够给混搭的特9一个旧名，使其成为我们的因给定。当我们将图表集混搭为data frame这一格式时，旧名“V9”自动分配给第9特，这还挺简便。

如果我们跳过线性“as.data.frame”，则特9不能旧名（null），Dply的重命名线性将崩溃。后续就是陈腐的复归体能训练啦，这里不来作一触即发。