• Matlab多项式回归实现


      多项式回归也称多元线性回归,是指包含两个以上变量的非线性回归模型。对于多元非线性回归模型求解的传统解决方案,仍然是想办法把它转化成标准的线性形式的多元回归模型来处理。

    多元非线性回归分析方程

      如果自变数X_1,X_2,cdots,X_m与依变数Y皆具非线性关系,或者有的为非线性有的为线性,则选用多元非线性回归方程是恰当的。例如,二元二次多项式回归方程为:

      widehat{y}=a+b_{11}x_1+b_{21}x_2+b_{12}x_1^2+b_{22}x_2^2+b_{11	imes22}x_1x_2

      令b_1=b_{11},b_2=b_{21},b_3=b_{12},b_4=b_{22},b_5=b_{11	imes22},及x_3=x_1^2,x_4=x_2^2,x_5=x_1cdot x_2,于是上式化为五元一次线性回归方程:

      widehat{y}=a+b_1x_1+b_2x_2+b_3x_3+b_4x_4+b_5x_5

      这样以来,便可按多元线性回归分析的方法,计算各偏回归系数,建立二元二次多项式回归方程。

    -参考文献:智库百科,点击打开

    多元二项式回归Matlab实现方法

    1、多元二项式回归Matlab命令

    rstool(x,y,'model',alpha)
    输入参数说明:
    x:n*m矩阵;
    Y:n维列向量;
    alpha:显著性水平(缺省时为0.05);
    mode:由下列4个模型中选择1个(用字符串输入,缺省时为线性模型)
      'model'对应的字符串有:'linear'%线性常数和线性项(默认值)
      'interaction'%常数、线性和相互作用项
      'quadratic'%纯二次拟合函数
      'purequadratic'%

    2、实例演示说明

    设某商品的需求量与消费者的平均收入、商品价格的统计数据如下,建立回归模型,预测平均收入为1000、价格为6时的商品需求量

    需求量(y) 100 75 80 70 50 65 90 100 110 60
    收入(x1) 1000 600 1200 500 300 400 1300 1100 1300 300
    价格(x2) 5 7 6 6 8 7 5 4 3 9

    解法一:选择纯二次模型'model'='quadratic'

    y=β0+β1x1+β2x2+β11x1^2+β22x2^2
    %直接用多元二项式回归如下
    x1=[1000 600 1200 500 300 400 1300 1100 1300 300];%1*10矩阵
    x2=[5 7 6 6 8 7 5 4 3 9];%1*10矩阵
    y=[100 75 80 70 50 65 90 100 110 60]';%1*10矩阵
    x=[x1' x2'];%10*2矩阵
    rstool(x,y,'purequadratic')


    在x1对应的文本框中输入1000,X2中输入6,敲回车键,此时图形和相关数据会自动更新
    此时在GUI左边的“Predicted Y1”下方的数据变为88.47981,表示平均收入为1000、价格为6时商品需求量为88.4791
    点击左下角的Export按钮,将会导出回归的相关参数beta、rmse和residuals到工作空间(workspace)
    在Export按钮下面可以选择回归类型
    在Matlab命令窗口中输入
    >>beta, rmse
    beta =
    110.5313%常数项
    0.1464
    -26.5709
    -0.0001
    1.8475
    rmse =
    4.5362%均方根误差
    由此得回归模型为:y=110.5351+0.1464x1-26.5709x2-0.0001x1^2+1.8475x2^2

    解法二:将上面的模型转换为多元线性回归

    y=β0+β1x1+β2x2+β11x1^2+β22x2^2  疑问:为什么没有变量x1*x2呢?官方例子有:地址
    >>X=[ones(10,1) x1' x2' (x1.^2)' (x2.^2)'];
    >>[b,bint,r,rint,stats]=regress(y,X);
    >>b,stats
    b =
    110.5313
    0.1464
    -26.5709
    -0.0001
    1.8475
    stats =
    0.9702 40.6656 0.0005 20.5771%相关系数R^2、F值、与F值对应的概率(P值)、误差方差估计值

  • 相关阅读:
    Java RMI简单例子HelloWorld
    Java RMI远程方法调用
    javascript中通过replace函数搜索和替换指定字符串
    详解公钥、私钥、数字证书的概念
    标准MD5加密算法
    基于Spring Boot构建的Spring MVC快速入门
    http://jinnianshilongnian.iteye.com/blog/1996071
    双11也不要乱买书
    Mybatis 中的转义字符(转帖)
    【Maven】为什么Maven dependencies有的jar包显示为灰色?
  • 原文地址:https://www.cnblogs.com/sowhat4999/p/5117302.html
Copyright © 2020-2023  润新知