Matlab 回归常用函数

最新推荐文章于 2024-09-02 11:43:41 发布

原创最新推荐文章于 2024-09-02 11:43:41 发布 · 1.3w 阅读

本内容遵循CC 4.0 BY-SA版权协议

6 篇文章

订阅专栏

本文深入解析回归分析的不同类型，包括一元、多元、线性、非线性回归，并介绍特殊回归方法如逐步回归和Logistic回归。同时，提供MATLAB中实现这些回归方法的具体步骤和示例，帮助读者理解和应用。

一般回归方法	根据回归方法因变量的个数不同	根据回归函数的类型不同
	一元、多元	线性、非线性
	一元线性、一元非线性、多元回归
两种特殊回归方法	逐步回归：从众多自变量中有效地选择重要变量的方法，确保得到的解释变量集是最优的
	Logistic 回归：是一种广义的线性回归分析模型，以指数结构函数作为回归模型的回归方法。

Multiple linear regression 多元线性回归

常用格式		$[b,bint,r,rint,stats]=regress(y,x,alpha)$
用例		[b, bint, r, rint, s] = regress(Y, X)
参数解释	输入参数	y----------相应向量，n维向量
		x----------对应于回归系数的数据矩阵
		alpha----置信水平（缺省时为0.05）；
	输出参数	b---------多元线性回归数值向量的系数估计
		bint------b的置信区间
		r----------残差向量
		rint-------r的置信区间
	输出参数的 stats检验统计量	$R^{2}$ -----------------回归方程的决定系数（R是相关系数） F-------------------统计量值 p-------------------与统计量值F对应的概率值p $s^{2}$ ------------------剩余方差

Fit nonlinear regression model 拟合非线性回归模型

常用格式		mdl= fitnlm(x,y,modelfun,beta0)
用例		m1 = @(b,x) b(1) + b(2)*log(x); nonlinfit1 = fitnlm(x,y,m1,[0.01;0.01])
参数解释	输入参数	y----------相应向量，n维向量
		x----------对应于回归系数的数据矩阵
		modelfun------函数模型

Interactive stepwise regression 交互式逐步回归

常用格式		stepwise(x,y,inmodel,penter,premove)
用例		stepwise（X,Y,[1,2,3,4],0.05,0.10）
参数解释	输入参数	y----------相应向量，n维向量
		x----------对应于回归系数的数据矩阵
		inmodel 是自变量x的初始集合的指标
		penter 引入变量时设定的最大p值，缺省时为0.05
		premove 是移出变量时设定的p值，缺省时为0.10