欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

用matlab计算线性回归问题

程序员文章站 2023-01-20 21:34:49
看机器学习的时候遇到的第一个算法就是线性回归,高数中很详细的说明了线性回归的原理和最小2乘法的计算过程,很显然不适合手动计算,好在各种语言都有现成的函数使用,让我们愉快的做个调包侠吧简单线性回归R越接近1表示拟合效果越好>> x=[0,1,2,3,4,5,6,7]x = 0 1 2 3 4 5 6 ... ......

看机器学习的时候遇到的第一个算法就是线性回归,高数中很详细的说明了线性回归的原理和最小2乘法的计算过程,很显然不适合手动计算,好在各种语言都有现成的函数使用,让我们愉快的做个调包侠吧

简单线性回归

r越接近1表示拟合效果越好

用matlab计算线性回归问题

>> x=[0,1,2,3,4,5,6,7]

x =

     0     1     2     3     4     5     6     7

>> y=[27.0,26.8,26.5,26.3,26.1,25.7,25.3,24.8]

y =

  列 1 至 7

  27.000000000000000  26.800000000000001  26.500000000000000  26.300000000000001  26.100000000000001  25.699999999999999  25.300000000000001

  列 8

  24.800000000000001

>> [r,m,b]=regression(x,y)

r =

  -0.986307223369922


m =

  -0.303571428571428


b =

  27.124999999999996

>> plotregression(x,y)
>> 

多元线性回归

用matlab计算线性回归问题

>> load carsmall
>> x1 = weight;
>> x2 = horsepower;
>> y = mpg;
>> x = [ones(size(x1)) x1 x2 x1.*x2];
>> b = regress(y,x)

b =

  60.710360805049135
  -0.010153547589001
  -0.188206440954574
   0.000038494827316

>> scatter3(x1,x2,y,'filled')
hold on
x1fit = min(x1):100:max(x1);
x2fit = min(x2):10:max(x2);
[x1fit,x2fit] = meshgrid(x1fit,x2fit);
yfit = b(1) + b(2)*x1fit + b(3)*x2fit + b(4)*x1fit.*x2fit;
mesh(x1fit,x2fit,yfit)
xlabel('weight')
ylabel('horsepower')
zlabel('mpg')
view(50,10)
hold off
>>