多元線性回歸分析示例

呼叫的回歸函式如下 ；

function [beta,stats,ynew,ylr]=regres2(x,y,xnew,pp)

beta=;stats=;ynew=;ylr=;
[n,p]=size(x);m=p+1;
if n=1)
pp=0;
enda=[ones(size(y)),x];
[beta,btm1,rtm,rtm1,stat] =regress(y,a);
alpha=[0.05,0.01];
yhat=a*beta;
ssr=(yhat-mean(y))'*(yhat-mean(y));
sse=(yhat-y)'*(yhat-y);
sst=(y-mean(y))'*(y-mean(y));
fb=ssr/(m-1)/sse*(n-m);
falpha=finv(1-alpha,m-1,n-m);
table=cell(p+4,7);
table(1,:)=;
table(2+p,1:6)=;
table(3+p,1:6)=;
table(4+p,1:3)=;
if fb>max(falpha)
table='高度顯著';
elseif (fb<=max(falpha))&(fb>min(falpha))
table='顯著';
else
table='不顯著';
endr2=ssr/sst;r=sqrt(r2);
sy=sqrt(sse/(n-m));
mnx=mean(x);
mnx=repmat(mnx,n,1);
ljj=diag((x-mnx)'*(x-mnx));
pj=abs(beta(2:end).*sqrt(ljj/sst));
c=diag(inv(a'*a));bj2=beta.*beta;
ssj=bj2(2:end)./c(2:end);
fj=ssj/sse*(n-m);
falpha=finv(1-[0.05,0.01],1,n-m);
ind2=find(fj>=falpha(2));
ind1=find((fj>=falpha(1))&(fj2)&(isnumeric(xnew))
[n1,p1]=size(xnew);
xnew=[ones(n1,1),xnew];
ynew=xnew*beta;
shat2=sse/(n-m)*(1+xnew*inv(a'*a)*xnew');
syhat=sqrt(diag(shat2));
ta=tinv(0.5+pp/2, n-p-1);
yl=ynew-ta*syhat;
yr=ynew+ta.*syhat;
ylr=[yl(:),yr(:)];
end

結果分析：

多元線性回歸示例

今天主要說一下，監督學習裡的多元線性回歸模型演算法的運用，下面就看一下這個例子 主要的例子來理解多元線性回歸，公式 相結合 參考斯坦福機器學習筆記 import numpy as np import matplotlib.pyplot as plt 訓練集 測試集 filetran ccpp tra...

多元線性回歸分析

功能 多元線性回歸分析 include math.h include stdio.h include stdlib.h typedef struct rmatrix rm,rmp rm 實矩陣型別，rmp 實矩陣型別指標 typedef struct cnumber cnum,cnump cnum ...

多元線性回歸

多元線性回歸的基本原理和基本計算過程與一元線性回歸相同，但由於自變數個數多，計算相當麻煩，一般在實際中應用時都要借助統計軟體。介紹多元線性回歸的一些基本問題。但由於各個自變數的單位可能不一樣，比如說乙個消費水平的關係式中，工資水平 受教育程度 職業 地區 家庭負擔等等因素都會影響到消費水平，而這些影...