dat <- read.table("clipboard",header = T)
dat
lm.d<- lm(y~x1+x2+x3+x4+x5,data = dat)
summary(lm.d)
lm.d2 <- step(lm.d) #逐步回归法，挑选变量子集
summary(lm.d2)
newd <- data.frame(x1=12135,x2=28679,x3=19978,x4=502,x5=24950)
predict(lm.d,newd,interval = "prediction")#预测值
predict(lm.d,newd,interval = "prediction",scale = T) #预测均值
这是代码加速的问题。且默认您的数据读入速度没有问题（数据量级在百万以下）。
如果只是建立模型的那一行代码跑的很慢，如果建立模型的代码本身没有提供并行计算功能，部分模型可以尝试把公式换成则分别传入x=, y= 参数，多数模型无法加速。再除非有其他R包，可以建立同样的模型，并且速度更快。比如随机森林的RandomForest的速度慢，可以换成ranger。因为ranger (Wright 2017)是用C语言优化的，是一个非常有趣的替代方案，尤其是在处理高维数据集时。它通常可以显著减少计算时间，同时提供与随机森林基本相同的结果。
样本不均衡问题是指在机器学习分类任务中，不同类型的样本占比差距悬殊。
比如训练数据有100个样本，其中只有5个正样本，其余均为负样本，这样正样本：负样本=5%：95%，训练数据中负样本过多，会导致模型无法充分学习到正样本的信息，这时候模型的正确率往往较高，但特异性却很低，即模型识别正样本的能力很差。这样的模型是无法投入实际项目中的，我们需要解决不均衡问题带来的影响。
解决样本不均衡，采用的方法是重采样。根据采样的方法，分为欠采样、过采样和组合采样。
在R语言中， ROSE 包用于处理样本不均衡问题。
安装包
加载示范数据，查看列联表。可以看到训练数据 hacide.train 出现了样本不均衡，正样本1只有20个，负样本0有980个。
欠采样会缩小训练数据。训练数据虽然正负样本均衡了，但由于原始的正样本很少，导致处理后总样本数减少很多。这个方法适用于训练数据很大，且正样本也较大的情况，可以用欠采样来减少训练数据规模，提高训练速度。
过采样会增大训练数据。该方法适用于训练数据中正样本数量较少的情况。
组合采样会同时增加正样本和减少负样本。参数 N 表示处理后样本总数，一般设置为训练数据样本数。
不均衡样本对模型的训练结果会产生较大偏差，以实际分类问题为例，对比一下处理与不处理均衡样本的结果。
从预测的结果来看，均衡处理与不均衡处理的模型准确率都很高，都超过了98%，貌似模型都很好。但均衡处理后模型的特异性达到了73.68%，未采用均衡处理的模型只有36.84%，显然 均衡处理能提高模型的特异性 。
处理样本不均衡问题是做分类问题不可或缺的的一步，针对训练数据的情况，可以采用不同的均衡处理方法。均衡处理的目的是尽可能多的且高效的利用训练数据里的信息，不至于后续训练出的模型学习的不够充分，出现较大偏差。均衡处理对于既要求准确率高，又要求特异性高的模型来说尤为重要。
