首先是大名鼎鼎的regress
regress(Y,X,alpha)
其中alpha可省略,省略时为0.05.
简单来说,这里的y指的就是对应的函数值,注意是列向量(如果是行向量要转置),x是自变量的取值(每一列为一组),注意因为考虑常数项,所以要在原x前加上一列全为1
举个简单的例子:
m=[234 237 239 280 290]
x=[3.13 3.15 3.18 3.19 3.23]
y=[87.5 89.6 94.5 99.5 104.6]
做m=ax+by+c的二元拟合.
>> m=[234 237 239 280 290];
>> x=[3.13 3.15 3.18 3.19 3.23];
>> y=[87.5 89.6 94.5 99.5 104.6];
>> t=[ones(size(x,2),1),x',y'];%这里的size(x,2)代表求x向量的列数,注意一定要在前面加上一列全为1,t=[x1,x2,x3]若x1,x2,x3行数相等则表示着将这几行横着拼起来
>> b=regress(m',t)%原来m是行向量,转化为列向量可以得到一个向量存储c,a,b,最后把它打印出来。
>> [x,y]=meshgrid([-10:0.1:10]);
>> z=b(1)+x.*b(2)+y.*b(3);
>> surf(x,y,z);
接下来就可以用regress做一些logistic回归,比如预测未来...
开发时间