线性回归算法原理（附java实现）

线性回归目标：

               已知训练集（x1,y1）(x2,y2) ....(xm ,ym), 拟合回归为最优的线性函数。

线性回归原理：

              使用最小二乘法，训练集与拟合后的线性标记函数欧式距离之和最小，则该标记函数为最优线性回归函数。

 

       

 

         其中f(x)为标记函数，yi为实际值，e（f，y）为均值分布定义为均值误差，

         均值误差最小，测f（x）为最优的解，为此训练集的线性回归函数。

一介二项式的线性回归

    函数线性方程：

     

 

  依据线性回归原理可得：

         （1-1）

 

一介二项式的线性回归归结为（1-1）的最小值  即求w  b的偏导数

 

 

 

依据  w  b的值 写出直线方程 y=wx+b

 

 

java  实现：

public class Line {
public static double [] getLinePara(Double [] [] points ) {
double dbRt [] =new double [2];
double dbXSum=0;
for(int i=0;i<points[0].length;i++) {
dbXSum=dbXSum+points[0][i];
}
double dbXAvg=dbXSum/points[0].length;
double dbWHeadVal=0;
for(int i=0;i<points[0].length;i++) {
dbWHeadVal=dbWHeadVal+(points[0][i]-dbXAvg)*points[1][i];
}
double dbWDown=0;
double dbWDownP=0;
double dbWDownN=0;
dbXSum=0;
for(int i=0;i<points[0].length;i++) {
dbWDownP=dbWDownP+points[0][i]*points[0][i];
dbXSum=dbXSum+points[0][i];
}
dbWDown=dbWDownP-(dbXSum*dbXSum/points[0].length);
double dbW=dbWHeadVal/dbWDown;
dbRt[0]=dbW;
double dbBSum=0;
for(int i=0;i<points[0].length;i++) {
dbBSum=dbBSum+(points[1][i]-dbW*points[0][i]);
}
double dbB=dbBSum/points[0].length;
dbRt[1]=dbB;
return dbRt;
}




public static void main(String[] args) {
Double [][] arrPoints= {{1.0,2.0,3.0,5.0},{1.0,2.0,3.0,5.0}};
/** 预测 w为1 b为0*/
System.out.println(getLinePara(arrPoints)[0]);
System.out.println(getLinePara(arrPoints)[1]);
/**测试结果与预测相同*/
}

}

 

 

 

 

 

 

 

 

       

       

 

              

 

转载于:https://www.cnblogs.com/tlcContent/p/10536024.html