多元线性回归法也是深度学习的内容之一,用java实现一下多元线性回归。
一元线性回归的公式为 y = a*x + b, 多元线性回归的公式与一元线性回归的公式类似,不过是矩阵的形式,可以表示为Y = AX + b,其中,Y是样本输出的合集,X是样本输入的合集。
多元线性回归最终求解的内容也就是 A 和 B, 这里省去求证步骤,直接列出求解 A 和 B 矩阵的公式,公式如下:
(
这里的X是样本输入的合集,是二维矩阵,Y是样本输出的合集,是一维矩阵。
可以看到,这里要求解两次,先将 A 求出来,再将 b 求出来,这样会增加计算量,也增加了编程时的困难,实际上,如果我们将多元线性回归的方程展开来看:
可以看到,如果我们将 b <=> a0 , 那么线性回归方程可以表示为:
这样的话,矩阵的求解公式可以表示为:
这里的 X 是一个新的矩阵,增加了“第零列”元素,该列元素全部设置为1。
现在可以进行编程,编程过程可以分为两步,第一步,给 X 矩阵增加“第零列”, 第二步, 求解 A 矩阵。
第一步的代码如下,这里我设置了一个多元线性回归类,将传进来的 X 和 Y,赋值给类中的 X 和 Y:
/**如果采用无参构造,则需要通过set输入相应的矩阵
* @param X x的矩阵
* @param Y y的矩阵
*/
public void set(double X[][], double Y[]){
this.X = new double[X.length][X[0].length + 1];
for(int i = 0; i < X.length; i++){
this.X[i][0] = 1;
for(int j = 0; j < X[0].length; j++){
this.X[i][j + 1] = X[i][j];
}
}
this.Y = Y;
}
完成后,求解 A 矩阵, 因为公式是矩阵形式,所以直接采用设计好的矩阵计算类进行求解,这里用到的主要是矩阵的转置,求逆以及矩阵的乘法,矩阵求逆和乘法在之前的两篇博客中列出,矩阵求逆:
点击打开链接,矩阵的乘法:
点击打开链接,因为这次计算只需要用到二维矩阵的转置,所以这里只列出二维矩阵的转置:
/**求转置矩阵
* @param A 要求解的矩阵
* @return 转置矩阵
*/
public double[][] matrix_transpoistion(double A[][]){
int row = A.length;
int col = A[0].length;
double A_T[][] = new double[col][row];
for(int i = 0; i < row; i++){
for(int j = 0; j < col; j++){
A_T[j][i] = A[i][j];
}
}
return A_T;
}
A 矩阵的求解公式列在这里:
/**计算相应的系数
* @return 包含b的系数组
*/
public double[] cal_coefficient(){
int row = X.length;
int col = X[0].length;
//使用矩阵计算相应结果
Matrix_cal mc = new Matrix_cal();
//求X的转置
double X_T[][] = mc.matrix_transpoistion(X);
//求XT*X;
mc.set(X_T);
double temp[][] = mc.matrix_multriple(X);
//求逆矩阵
if(temp.length > 1){
//如果X_T*X的矩阵行列数不为1
mc.set(temp);
temp = mc.inverse_Matrix();
}
else{
//如果矩阵行列式为1,则temp不变
temp[0][0] = 1/temp[0][0];
}
//求temp*X_T;
mc.set(temp);
temp = mc.matrix_multriple(X_T);
//mc.show(temp);
//求temp*Y
mc.set(temp);
B = mc.matrix_multriple(Y);
return B;
}
}
这里的 Matrix_cal,是我之前所写的一个基本的矩阵运算类,最后返回的结果是一个一维矩阵,也就是需要计算的 A。