技术标签: matlab 线性代数 MATLAB实例学习与应用
一元线性回归分析是在排除其他影响因素,分析某一个因素(自变量:X)是如何影响另外一个事物(因变量:Y)的过程,所进行的分析是比较理想化的。对于一元线性回归来说,可以看成Y的值是随着X的值变化,每一个实际的X都会有一个实际的Y值,我们叫Y实际,那么我们就是要求出一条直线,每一个实际的X都会有一个直线预测的Y值,我们叫做Y预测,回归线使得每个Y的实际值与预测值之差的平方和最小,即达到一元线性回归的最终结果。
一般的,一元线性回归模型可由下表示:
Y = β 0 + β 1 × X + ϵ Y=\beta_0 +\beta_1\times X+\epsilon Y=β0+β1×X+ϵ
固定的 β 0 \beta_0 β0、 β 1 \beta_1 β1称为回归系数,自变量X也成为回归变量, Y = β 0 + β 1 × X + ϵ Y=\beta_0 +\beta_1\times X+\epsilon Y=β0+β1×X+ϵ,称为Y对X的回归直线方程,且 ϵ \epsilon ϵ 的均值 E ( ϵ ) = 0 E(\epsilon)=0 E(ϵ)=0,所以模型简化为 Y = β 0 + β 1 × X Y=\beta_0 +\beta_1\times X Y=β0+β1×X。
对于实际问题,要建立回归方程,首先确定能否建立线性回归模型,其次确定如何对模型中未知参数 β 0 \beta_0 β0、 β 1 \beta_1 β1进行估计。所以首先对总体进行独立观测,在坐标系中画出Y与X的散点图,根据图判断Y与X直线关系是否符合一元线性回归模型。最后利用最小二乘法可以得到回归模型参数 β 0 \beta_0 β0、 β 1 \beta_1 β1的最小二乘估计,估计公式为:
{ β 0 = y ˉ − x ˉ β 1 β 1 = L x y L x x \begin{cases}\beta_{0}=\bar{y}-\bar{x} \beta_{1} \\\beta_{1}=\frac{L_{x y}}{L_{x x}}\end{cases} {
β0=yˉ−xˉβ1β1=LxxLxy
其中: x ˉ = 1 n ∑ i = 1 n X i , y ˉ = 1 n ∑ i = 1 n y i \bar{x}=\frac{1}{n} \sum_{i=1}^{n} X_{i}, \bar{y}=\frac{1}{n} \sum_{i=1}^{n} y_{i} xˉ=n1∑i=1nXi,yˉ=n1∑i=1nyi, L x x = ∑ i = 1 n ( X i − X ˉ ) 2 , L x y = ∑ i = 1 n ( x i − x ˉ ) ( y i − y ˉ ) L_{x x}=\sum_{i=1}^{n}\left(X_{i}-\bar{X}\right)^{2}, L_{x y}=\sum_{i=1}^{n}\left(x_{i}-\bar{x}\right)\left(y_{i}-\bar{y}\right) Lxx=∑i=1n(Xi−Xˉ)2,Lxy=∑i=1n(xi−xˉ)(yi−yˉ)
于是我们建立公式模型: y = β 0 + β 1 x y=\beta_{0}+\beta_{1} x y=β0+β1x
接下来我们可以通过对一元线性回归分析总结为三点
- 利用样本观测值对回归系数 β 0 \beta_0 β0、 β 1 \beta_1 β1做点估计
- 对方程的线性关系做显著校验
- 在X= X 0 X_0 X0处对Y做预测等
分析总能耗与面积的关系,首先导入散点图,如下:
第一步:画出面积和总能耗之间的散点图,如下:
[Data,str]=xlsread('C:\Users\86188\Desktop\仿真数据\北京参数一百组新.xlsx','sheet1','A1:R101');%得到表格中所有数据
[Row,Col]=size(Data); % 得到数据的行和列宽
NewData=zeros(Row,2); % 建立两列行相等的数组
NewData(:,1)=Data(:,factor); % 保存因素数据
NewData(:,2)=Data(:,Col); % 保存自变量数据
subplot(311); % 分图1,肉眼看线性关系
plot(NewData(:,1)',NewData(:,2)','k+'); % 得出面积与总能耗之间的散点图,通过散点图可以明确发现存在线性关系
axis([0,inf,0,inf]);xlabel('面积');ylabel('总能耗');title('总能耗与面积散点图');legend('真实值');
可以观测处面积与总能耗之间存在线性关系,但是实际上不用标准的一元线性模型,而使用 Y = β 1 × X Y=\beta_1\times X Y=β1×X,观测Y与X的具体关系,不加截距的方式。
第二步:求出面积与总能耗之间最大与最小斜率。
slop=zeros(Row,1); % 建立一个斜率数组
for i=1:Row
slop(i)=NewData(i,2)/NewData(i,1); % 得到每个数据对应的斜率
end
[MaxNumber,MaxIndex] = max(slop); % 得到最大斜率和下标
[MinNumber,MinIndex] = min(slop); % 得到最小效率和下标
第三步:求出每个斜率对应的误差值
最终得到在 K=63.88的时候可以得到最小误差RSS=5296700。
SlopNumber = (MaxNumber-MinNumber)/0.01; % 得到以0.01为精度的斜率个数
Loss=zeros(SlopNumber,1); % 根据最大斜率和最小效率建立指定长度的损失数据
count = 1;
for PreSlop = MinNumber:0.01:(MaxNumber-0.01) % 斜率以0.01的增量去计算损失函数
for i=1:Row
Loss(count) = Loss(count)+(NewData(i,2)-PreSlop*NewData(i,1))^2/(2*100);
end
count=count+1;
end
Number=1:SlopNumber; % 得到损失函数列向量数量
subplot(312); % 分图2:看损失函数的最小值
plot(Number,Loss');ylabel('损失值');title('损失函数图');legend('损失函数');
第四步:得到最佳斜率并用模型进行预测总能耗
[MinLoss,MinLossindex] = min(Loss) % 得到损失函数最小值及对应的下标
PreSlop = zeros(2,Row); % 建立预测曲线存取矩阵
for i=1:Row % 预测矩阵基于给定的数据,计算y=k*x的关系
PreSlop(2,i)= (MinLossindex*0.01+MinNumber)*NewData(i,1);
PreSlop(1,i)= NewData(i,1);
end
subplot(313); % 分图3:看实际数据与线性回归的关系
plot(NewData(:,1)',NewData(:,2)','k+',PreSlop(1,:)',PreSlop(2,:),'r');% 得出面积与总能耗之间的散点图,通过散点图可以明确发现存在线性关系
axis([0,inf,0,inf]);xlabel('面积');ylabel('总能耗');title('总能耗与面积的线性关系');
legend('真实值','预测值');grid on;hold on;
第五步:得到模型函数关系
总 能 耗 = 63.88 × 面 积 总能耗=63.88 \times 面积 总能耗=63.88×面积
文章浏览阅读2.5w次,点赞6次,收藏50次。官方解释是,docker 容器是机器上的沙盒进程,它与主机上的所有其他进程隔离。所以容器只是操作系统中被隔离开来的一个进程,所谓的容器化,其实也只是对操作系统进行欺骗的一种语法糖。_docker菜鸟教程
文章浏览阅读5.7k次,点赞3次,收藏14次。该如何避免的,今天小编给大家推荐两个下载Windows系统官方软件的资源网站,可以杜绝软件捆绑等行为。该站提供了丰富的Windows官方技术资源,比较重要的有MSDN技术资源文档库、官方工具和资源、应用程序、开发人员工具(Visual Studio 、SQLServer等等)、系统镜像、设计人员工具等。总的来说,这两个都是非常优秀的Windows系统镜像资源站,提供了丰富的Windows系统镜像资源,并且保证了资源的纯净和安全性,有需要的朋友可以去了解一下。这个非常实用的资源网站的创建者是国内的一个网友。_msdn我告诉你
文章浏览阅读1.2k次。vue2封装对话框el-dialog组件_
文章浏览阅读4.7k次,点赞5次,收藏6次。MFC 文本框换行 标签: it mfc 文本框1.将Multiline属性设置为True2.换行是使用"\r\n" (宽字符串为L"\r\n")3.如果需要编辑并且按Enter键换行,还要将 Want Return 设置为 True4.如果需要垂直滚动条的话将Vertical Scroll属性设置为True,需要水平滚动条的话将Horizontal Scroll属性设_c++ mfc同一框内输入二行怎么换行
文章浏览阅读832次。检查Linux是否是否开启所需端口,默认为6379,若未打开,将其开启:以root用户执行iptables -I INPUT -p tcp --dport 6379 -j ACCEPT如果还是未能解决,修改redis.conf,修改主机地址:bind 192.168.85.**;然后使用该配置文件,重新启动Redis服务./redis-server redis.conf..._redis-server doesn't support auth command or ismisconfigured. try
文章浏览阅读4.9k次。济大数电实验报告_数据选择器及其应用
文章浏览阅读236次。1研究内容消费在生产中占据十分重要的地位,是生产的最终目的和动力,是保持省内经济稳定快速发展的核心要素。预测河南省社会消费品零售总额,是进行宏观经济调控和消费体制改变创新的基础,是河南省内人民对美好的全面和谐社会的追求的要求,保持河南省经济稳定和可持续发展具有重要意义。本文建立灰色预测模型,利用MATLAB软件,预测出2019年~2023年河南省社会消费品零售总额预测值分别为21881...._灰色预测模型用什么软件
文章浏览阅读1.2k次。12.4-在Qt中使用Log4Qt输出Log文件,看这一篇就足够了一、为啥要使用第三方Log库,而不用平台自带的Log库二、Log4j系列库的功能介绍与基本概念三、Log4Qt库的基本介绍四、将Log4qt组装成为一个单独模块五、使用配置文件的方式配置Log4Qt六、使用代码的方式配置Log4Qt七、在Qt工程中引入Log4Qt库模块的方法八、获取示例中的源代码一、为啥要使用第三方Log库,而不用平台自带的Log库首先要说明的是,在平时开发和调试中开发平台自带的“打印输出”已经足够了。但_log4qt
文章浏览阅读786次。全局观思维模型,一个教我们由点到线,由线到面,再由面到体,不断的放大格局去思考问题的思维模型。_计算机中对于全局观的
文章浏览阅读330次。一、CountDownLatch介绍CountDownLatch采用减法计算;是一个同步辅助工具类和CyclicBarrier类功能类似,允许一个或多个线程等待,直到在其他线程中执行的一组操作完成。二、CountDownLatch俩种应用场景: 场景一:所有线程在等待开始信号(startSignal.await()),主流程发出开始信号通知,既执行startSignal.countDown()方法后;所有线程才开始执行;每个线程执行完发出做完信号,既执行do..._countdownluach于cyclicbarrier的用法
文章浏览阅读508次。Prometheus 算是一个全能型选手,原生支持容器监控,当然监控传统应用也不是吃干饭的,所以就是容器和非容器他都支持,所有的监控系统都具备这个流程,_-自动化监控系统prometheus&grafana实战
文章浏览阅读4.7k次。输入关键字,可以通过键盘的搜索按钮完成搜索功能。_react search