matlab mvregress,[转载]Matlab regress用法

最新推荐文章于 2022-10-23 23:33:58 发布

weixin_39914975

最新推荐文章于 2022-10-23 23:33:58 发布

阅读量486

点赞数

文章标签： matlab mvregress

本文详细介绍了如何使用Matlab进行数据预处理，通过x1、x2变量建立多元线性模型，并展示了如何通过scatter3和mesh函数进行数据可视化。重点在于演示了如何解读回归系数和预测Y值，适合初学者理解回归分析的实际应用。

摘要由CSDN通过智能技术生成

clear

clc

data = [5 5 5 5 5 5 5 10 10 10 10 10 10 10 15 15 15 15 15 15 15 20 20 20 20 20 20 20 25 25 25 25 25 25 25 30 30 30 30 30 30 30

144 176 208 240 272 320 512 144 176 208 240 272 320 512 144 176 208 240 272 320 512 144 176 208 240 272 320 512 144 176 208 240 272 320 512 144 176 208 240 272 320 512

135.346 138.193 147.369 137.871 140.782 143.022 146.985 179.075 230.787 236.99 240.18 232.734 248.473 249.812 218.834 242.56 276.038 282.54 293.582 320.17 279.204 215.68 286.505 313.645 334.782 325.526 332.145 337.282 231.54 261.884 324.214 343.436 367.167 372.446 340.181 259.584 302.132 313.351 347.63 340.478 414.03 443.249

]';

x1 = data(:,1);

x2 = data(:,2);

y = data(:,3);

X = [ones(size(x1)) x1.*x1 x1 x2.*x2 x2 x1.*x2];

[b,bint] = regress(y,X)

scatter3(x1,x2,y,'filled')

hold on

x1fit = min(x1):0.5:max(x1);

x2fit = min(x2):0.5:max(x2);

[X1FIT,X2FIT] = meshgrid(x1fit,x2fit);

YFIT = b(1)+ b(2)*X1FIT.*X1FIT+b(3)*X1FIT + b(4)*X2FIT.*X2FIT + b(5)*X2FIT + b(6)*X1FIT.*X2FIT;