lm函数，可以用一种线程关系建立两个数据之间的发展趋势,也就是线程拟合，并用predict函数将这种发展趋势的结果用于数据的预测。

fr = lm(Height~Weight,data=http://www.mamicode.com/hw)> 
 
建立基于Weight来预测Height的线程拟合。由截距和斜率定义的一条直线。可视化如下图示：
 
library("ggplot2")
ggplot(heights.weights,aes(x=Height,y=Weight)) + geom_point()+geom_smooth(method="lm")
 
 
这是一种很理想的情况。
 
那我们看一下预测。
 
predict函数是在原模型的基础上，依据线性拟合模型的结果对所有的Height，应用Weight得到一个预测的Height。
 
predict(fr)
 
 
嗯，让我们把预测的数和真实的数放到一起。
 
heights.weights = transform(heights.weights,PredictedHeight = predict(fr))
hw = melt(heights.weights, id.vars = c(‘Gender‘, ‘Height‘))
ggplot(hw,aes(x=Height,y=value,color=variable)) + geom_point()
 
图形化的结果和我们之前看到的图是一样的。预测的值就是延着直线前进的。
 
 

数据趋势拟合--线性拟合