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 437
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 115
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
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
06/09
0
0
机器学习基础篇——最小二乘法

机器学习不是简单的几个算法的累加,如果不能掌握机器学习的一些思考问题的方式以及解决问题的方式,是很难读懂学会这些算法的,也就很难实际去运用这些算法。比如我们前面一直在说的回归问题...

东方神剑
2015/09/12
2.8K
0

没有更多内容

加载失败,请刷新页面

加载更多

以太坊Token通证或者代币的真正作用是什么?

上一篇文章以太坊(Ethereum)与以太(Ether)中,你应该很好地理解以太坊是如何构建以太坊应用程序网络的,这些应用程序需要一个名为Ether的加密货币来运行。现在是时候引入一个更深层的概念...

笔阁
20分钟前
3
0
PHP - 利用P3P实现跨域

P3P是什么 P3P Platform for Privacy Preferences, 是W3C公布的一项隐私保护推荐标准,以为用户提供隐私保护。 P3P标准的构想是:Web 站点的隐私策略应该告之访问者该站点所收集的信息类型、...

hansonwong
21分钟前
2
0
传统SSM框架之微信授权登陆

1、jdbc.properties (下面瞎写的值) WEIXIN_APP_ID=wx5438496a99c8d26acbWEIXIN_APP_SECRET=d070fjcwiefhwr38942dw 2、获取配置属性 /** * @Author:Mujiutian * @Description:微信参......

木九天
22分钟前
2
0
以太坊(Ethereum)与以太(Ether)为什么容易混淆?

客观的来说,以太坊与以太这两个概念很容易混淆。 当我们听到以太坊Ethereum这个词时,我们通常会将它与加密货币(比如比特币)联系起来。虽然这个定义并不完全错误。但重要的是要理解以太坊...

geek12345
23分钟前
2
0
ROS实操笔记四 msg 和srv

msg: msg files are simple text files that describe the fields of a ROS message. They are used to generate source code for messages in different languages. srv: an srv file descr......

placido
24分钟前
2
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