MATLAB回归分析（1）

MATLAB中给出了三种回归模型类：LinearModel class（线性回归模型类）、NonlinearModel class（非线性回归模型类）和GeneralizedLinearModel class（广义线性回归模型类）

一元线性回归

（1）数据的散点图

x = [];y = [];      %输入x，y的数据
plot(x,y,'k.',...); %绘制散点图
xlabel('***');
ylabel('***');      %添加标签

（2）模型建立

建立y关于x的一元线性回归模型

（3）调用LinearModel 类的 fit 方法求解模型

md1 = LinearModel.fit(x,y)

（4）调用LinearModel 类的plot 方法绘制拟合效果图

figure;
md1.plot;       %绘制模型拟合效果图
xlabel('***');  %给x轴加标签
ylabel('***');  %给y轴加标签
title('');      
legend(''...);  %加图例

（5）预测

给定自变量x的值，可以调用LinearModel 类对象里的predict 方法预测，计算因变量y的预测值。

xnew = [];
ynew = md1.predict(xnew)

(6)模型改进

        模型改进通常包括两个方面：剔除模型中不显著项、剔除数据集中的异常点。数据集中的异常点是指远离数据集中心的观测点，又称离群点。通常情况下，学生化残差的绝对值大于2的数据点被认为是异常点。

Res = md1.Residuals;                        %查询残差值
Res_Stu = Res.Studentized;                  %学生化残差
id = find(abs(Res_Stu) > 2);                %查找异常值序号
md2 = LinearModel.fit(x,y,'Exclude',id)     %去除异常值，重新求解

一元非线性回归

 步骤基本上和第一种相似，只有调用函数不一样。

fun = @(x)            %编写匿名函数
x0 = [];              %未知参数初值
nlm1 = NonLinearModel.fit(x,y,fun,x0); %模型求解

 这就是今天学习内容，根据书本《MATLAB与数学建模》（谢中华）编写的书本内容学习。