文档章节

(C#)直线的最小二乘法线性回归

北风其凉
 北风其凉
发布于 2014/06/05 09:52
字数 450
阅读 468
收藏 0

1.Point结构

在编写C#窗体应用程序时,因为引用了System.Drawing命名空间,其中自带了Point结构,本文中的例子是一个控制台应用程序,因此自己制作了一个Point结构

/// <summary>
/// 二维笛卡尔坐标系坐标
/// </summary>
public struct Point
{
    public double X;
    public double Y;
    public Point(double x = 0, double y = 0)
    {
        X = x;
        Y = y;
    }
}

2.线性回归

/// <summary>
/// 对一组点通过最小二乘法进行线性回归
/// </summary>
/// <param name="parray"></param>
public static void LinearRegression(Point[] parray)
{
    //点数不能小于2
    if (parray.Length < 2)
    {
        Console.WriteLine("点的数量小于2,无法进行线性回归");
        return;
    }

    //求出横纵坐标的平均值
    double averagex = 0, averagey = 0;
    foreach (Point p in parray)
    {
        averagex += p.X;
        averagey += p.Y;
    }
    averagex /= parray.Length;
    averagey /= parray.Length;

    //经验回归系数的分子与分母
    double numerator = 0;
    double denominator = 0;

    foreach (Point p in parray)
    {
        numerator += (p.X - averagex) * (p.Y - averagey);
        denominator += (p.X - averagex) * (p.X - averagex);
    }

    //回归系数b(Regression Coefficient)
    double RCB = numerator / denominator;

    //回归系数a
    double RCA = averagey - RCB * averagex;

    Console.WriteLine("回归系数A: " + RCA.ToString("0.0000"));
    Console.WriteLine("回归系数B: " + RCB.ToString("0.0000"));
    Console.WriteLine(string.Format("方程为: y = {0} + {1} * x",
        RCA.ToString("0.0000"), RCB.ToString("0.0000")));

    //剩余平方和与回归平方和
    double residualSS = 0;   //(Residual Sum of Squares)
    double regressionSS = 0; //(Regression Sum of Squares)

    foreach (Point p in parray)
    {
        residualSS +=
            (p.Y - RCA - RCB * p.X) *
            (p.Y - RCA - RCB * p.X);

        regressionSS +=
            (RCA + RCB * p.X - averagey) *
            (RCA + RCB * p.X - averagey);
    }

    Console.WriteLine("剩余平方和: " + residualSS.ToString("0.0000"));
    Console.WriteLine("回归平方和: " + regressionSS.ToString("0.0000"));
}

3.Main函数调用

static void Main(string[] args)
{
    //设置一个包含9个点的数组
    Point[] array = new Point[9];
    array[0] = new Point(0, 66.7);
    array[1] = new Point(4, 71.0);
    array[2] = new Point(10, 76.3);
    array[3] = new Point(15, 80.6);
    array[4] = new Point(21, 85.7);
    array[5] = new Point(29, 92.9);
    array[6] = new Point(36, 99.4);
    array[7] = new Point(51, 113.6);
    array[8] = new Point(68, 125.1);
    LinearRegression(array);

    Console.Read();
}

4.运行结果

© 著作权归作者所有

共有 人打赏支持
北风其凉

北风其凉

粉丝 116
博文 498
码字总数 463468
作品 4
朝阳
程序员
私信 提问
Machine Learning 2 - 非线性回归算法分析

2017-08-02@erixhao 技术极客TechBooster AI 机器学习第二篇 - 非线形回归分析。我们上文深入本质了解了机器学习基础线性回归算法后,本文继续研究非线性回归。 非线性回归在机器学习中并非热...

erixhao
2017/08/07
0
0
机器学习-线性回归LinearRegression

概述 今天要说一下机器学习中大多数书籍第一个讲的(有的可能是KNN)模型-线性回归。说起线性回归,首先要介绍一下机器学习中的两个常见的问题:回归任务和分类任务。那什么是回归任务和分类...

hiyoung
2018/10/09
0
0
机器学习中的回归理解

机器学习中回归(自变量x和应变量y)之间的关系由两种? 确定性关系(函数关系):如线性相关,能够找到函数或者曲线能够进行拟合。 非确定性关系(相关关系):如正相关,或者负相关。 如何...

qingliangdexiar
2017/05/28
0
0
统计-如何读懂线性回归模型的各项指标?

当我们要拟合线性回归模型,有以下三个步骤: 通过最小二乘法,拟合一条直线。 求R^2 求R^2的P值,也就是F值 下面我将一个个分解来讲。 拟合直线:最小二乘法 什么是最小二乘法:每个点(图中...

PriscillaBai
2018/06/09
0
0
普通最小二乘法的推导证明(转载)

前言 普通最小二乘法(ordinary least squares, OLS)是线性回归预测问题中一个很重要的概念,在 Introductory Econometrics A Modern Approach (Fourth Edition) 第2章 简单回归模型 中,花...

chensanti234
2017/11/06
0
0

没有更多内容

加载失败,请刷新页面

加载更多

Math-Model(二)-无向图最近邻路径搜索

%a=xlsread('../附件一:已结束项目任务数据.xls');clcclearGPS_1=importdata('../GPS_DATA.txt');GPS_2=importdata('../GPS_DATA2.txt');%X=min([min(GPS_1(:,1)),min(GPS_2(:,1))]):......

Pulsar-V
5分钟前
0
0
react-navigation的学习

react-navigation的学习 react-navigation地址:https://reactnavigation.org/docs/en/navigating 导入的路由: import React from "react";import { View, Text } from "react-native";......

android-key
5分钟前
0
0
flume整合kafka,实现exactly one的数据采集

flume-kafka source配置 flume同步kafka的数据需要配置以下几个配置 type,数据源类型,如org.apache.flume.source.kafka.KafkaSource channels,下游对接source的channel名 topics,消费kaf...

厮以为
6分钟前
0
0
推荐:2019年十佳DevOps工具

DevOps落地重要的一方面是选好工具集,本文介绍了最流行的DevOps工具。 开发和运维的集成翻开了软件开发的全新篇章。如果你还是DevOps的新手,或者正在寻求改进已有流程的方法,那么第一道关...

架构师springboot
11分钟前
0
0
威胁预警|首现新型RDPMiner挖矿蠕虫 受害主机易被添加恶意账户

近日,阿里云安全发现一种新型挖矿蠕虫RDPMiner,通过爆破Windows Server 3389端口RDP服务的方式进行挖矿木马传播,致使用户CPU占用率暴涨,机器卡顿,更被创建名为DefaultAccount的账号。攻...

阿里云官方博客
11分钟前
0
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部