线性回归和非线性回归的lingo编程实现
目录
1.介绍
本文通过建立目标规划的方法求解回归方程。lingo通过目标规划求解线性和非线性回归方程简单有效,容易理解,编程简单。
1.1 使用工具
lingo18
1.2 lingo求解回归方程的特点
lingo作为一款求解线性和非线性方程方程组功能非常强大的软件,是求解优化模型的最佳选择。很多情况一个问题不止有一个解法。我们在这篇文章中介绍回归方程的另外一种解法。我们求解回归方程通常使用最小二乘法,最小二乘法可以通过以下三种方法求得回归方程参数
1、多元函数求最值(也有的说法把这当成最小二乘法)
2、利用线代的几何意义
3、梯度下降法
求得回归方程中未知参数后得到误差最小的回归方程。
但是这些方法的步骤较为繁琐,我们考虑到是否可以通过执果索因的方法求解回归方程参数,具体来说就是通过求解误差最小得到回归方程参数。正常来说,这种违背由因得果的方法基本不可能实现,但是我们考虑将其转化为目标规划,以误差最小为目标函数利用lingo求解,得到误差最小时回归系数的最优解,这一方法省去了大量繁琐的步骤。以下将举线性和非线性回归通过lingo目标规划求解的两个例子。
2.回归方程的求解
以下的为原数据,为的平均值,为回归的值。为点的数量。为回归方程参数。
2.1线性回归
对于一般线性回归