토목공학과

# 기말 평가 1번(머신러닝_단순회귀분석)

# 데이터 입력

speed = c(15,17,18,19,22,25,33,45,47,48,49,50,52)

dist  = c(6,7,7,9,11,12,15,19,19,20,22,22,23)

# 단순회귀분석

model = lm(dist ~ speed+0)

# 결과 요약

summary(model)

# 기말 평가 2번(머신러닝_다중회귀분석) 

# 데이터 입력

experience = c(5,8,8,12,9,10,2,3,6,6)

score      = c(82,90,87,90,85,87,80,80,85,92)

salary     = c(26.0,45.5,37.0,45.0,34.0,40.0,23.5,24.0,31.0,34.0)

# 다중회귀분석

model = lm(salary ~ experience + score)

# 회귀분석 결과

summary(model)

# 경력 9년, 평가점수 85점의 salary 예측값

new1 = data.frame(experience = 9, score = 85)

pred1 = predict(model, newdata = new1)

pred1

# 경력 8년, 평가점수 90점의 salary 95% 신뢰구간

new2 = data.frame(experience = 8, score = 90)

ci = predict(model, newdata = new2, interval = "confidence", level = 0.95)

ci

# 기말 평가 3번 (공분산분석) 

# 데이터 입력

Treat = c("Cont","Cont","Cont","CBT","CBT","CBT","FT","FT","FT","FT")

Prewt = c(81,82,82,73,82,75,73,80,78,83)

Postwt = c(80,81,87,76,80,77,76,81.5,78.5,85)

data = data.frame(Treat, Prewt, Postwt)

# Control 그룹을 기준(reference)으로 설정

data$Treat = relevel(factor(data$Treat), ref = "Cont")

# 공분산분석 ANCOVA

model = lm(Postwt ~ Prewt + Treat, data = data)

# 결과 확인

anova(model)

#사후분석

install.packages("multcomp")

library(multcomp)

out=lm(Postwt-Prewt~Prewt+Treat,data)

dunnett=glht(out, linfct=mcp(Treat="Dunnett"))

summary(dunnett)

# 기말 평가 4번 (상관분석) 

# 데이터 입력

scale = c(1.0, 1.2, 1.3, 1.8, 2.0, 2.2, 3.1, 3.6)

damage = c(100, 105, 115, 163, 190, 250, 325, 405)

# Spearman 상관계수

cor(scale, damage, method = "spearman")

# Kendall 상관계수

cor(scale, damage, method = "kendall")

# Pearson 상관분석

cor.test(scale, damage, method = "pearson")

#기말평가 5번 (머신러닝_판별분석)

turkey=read.csv("turkey.csv") 

head(turkey, n=20)

str(turkey)

turkey=na.omit(turkey)

install.packages("MASS")

library(MASS)

model1=lda(TYPE~HUM+ULN, data=turkey)

model1

predict(model1,data.frame("HUM"=c(135,140), "ULN"=c(140,145)))

model2=qda(TYPE~HUM+ULN, data=turkey)

model2

predict(model1,data.frame("HUM"=c(135,140), "ULN"=c(140,145)))