【回归分析】[2]--线性回归和最小二乘法
【回归分析】[2]--线性回归和最小二乘法
这篇讲一下线性回归和其求参数的一种方法,最小二乘法
最小二乘法:
原理:(原理部分就拍照了)
知道了原理就可以实践了,我是直接用了现成的函数
先使用SPSS
{{1, 23}, {2, 29}, {3, 49}, {4, 64}, {4, 74}, {5, 87}, {6, 96}, {6, 97}, {7, 109}, {8, 119}, {9, 149}, {9, 145}, {10, 154}, {10, 166}}
这是使用的数据
这是用SPSS计算出来的结果,可以看到用红色标出的地方
4.162是截距
15.509是斜率
所以最后的表达式为:y = 15.509 x + 4.162
接下来使用mma来解决同样的问题
方法1.Fit
y = Fit[data, {1, x}, x]
可以看到计算出来的结果和用SPSS计算出来的是一样的
画一下图看一下
方法2.FindFit
这种方法是已知函数类型,用来求参数的
方法3.FindFormula
这个是当你不知道函数类型时使用的
方法4.LinearModelFit(线性拟合模型)
最后在看一下上面的推导
用例子来说明一下最后一个式子推导正确
可以看到和前面算出来的斜率是一样的
2016/9/25
以上,所有