matlab 散点图线性回归图_【基础教程】多元线性回归

最新推荐文章于 2024-07-11 16:30:16 发布

郝培强

最新推荐文章于 2024-07-11 16:30:16 发布

阅读量2.4k

点赞数

文章标签： matlab 散点图线性回归图

本文链接：https://blog.csdn.net/weixin_30768979/article/details/112501198

版权

回归分析用于基于样本数据建立预测模型。线性回归关注自变量与因变量间的线性关系，如Y≈α+βX。一元线性回归中，通过残差图评估模型误差的随机性。若残差呈现出规律性，可能表明模型需要调整。

摘要由CSDN通过智能技术生成

回归分析就是利用样本(已知数据)，产生拟合方程，从而(对未知数据)进行预测

回归算法(模型):用平均值，期望，方差，标准差进行预测估计

回归分析中，又依据描述自变量与因变量之间因果关系的函数表达式是线性的还是非线性的，分为线性回归分析和非线性回归分析。

通过指数来进行判断即可，线性就是每个变量的指数都是1(一次方)，为直线形态，而非线性就是至少有一个变量的指数不是1(二次方或多次方)，为曲线形态。

一元线性回归：

若X与Y之间存在着较强的相关关系，则我们有Y≈α+βX

若α与β的值已知，则给出相应的X值，我们可以根据Y≈α+βX得到相应的Y的预测值。

%clc%clear%%%目标函数：y=Ax12+Bx22+Cx1+Dx2+Ex1*x2+F (这是一个二次函数，两个变量，大写的字母是常数)%导入数据y=[7613.51 7850.91 8381.86 9142.81 10813.6 8631.43 8124.94 9429.79 10230.81 10163.61 9737.56 8561.06 7781.82 7110.97]';x1=[7666 7704 8148 8571 8679 7704 6471 5870 5289 3815 3335 2927 2758 2591]';x2=[16.22 16.85 17.93 17.28 17.23 17 19 18.22 16.3 13.37 11.62 10.36 9.8