机器学习:R语言中如何使用最小二乘法
2017-04-12 17:12
288 查看
细内容见上一篇文章:https://www.geek-share.com/detail/2699869401.html
这里只是介绍下R语言中如何使用最小二乘法解决一次函数的线性回归问题。
代码如下:(数据同上一篇博客)(是不是很简单????)
> x<-c(6.19,2.51,7.29,7.01,5.7,2.66,3.98,2.5,9.1,4.2) > y<-c(5.25,2.83,6.41,6.71,5.1,4.23,5.05,1.98,10.5,6.3) > lsfit(x,y)
结果如下:
$coefficients Intercept X 0.8310557 0.9004584
说明: Intercept :截距
X: 变量x的系数
即对于一元一次函数截距式方程:y=0.9x+0.83
结果同上一篇博客的计算结果(python):
输出结果: k= 0.900458420439 b= 0.831055638877 cost:1 求解的拟合直线为: y=0.9x+0.83
如果你不追求绘图的美观,可以简单的直接用R绘制散点图观察规律也是可以的(当然也是可以通过设置参数调美观点的)。
> plot(x,y) ###x,y是上面已经赋值过的数据
结果如图:
下面我们接着调整目标函数及样本数据:
目标函数:y=ax2+bx+c
> x<-c(1,2,3,4,5,6) > y<-c(9,18,31,48,69,94) > lsfit(x,y) $coefficients Intercept X -14.66667 17.00000
从结果可以看出,求解的依然是y=kx+b形式的函数。
而调整python中的代码(完整代码见下面的连接):
def func(p,x): a,b,c=p return a*x*x+b*x+c p0=[10,10,10] #读取结果 a,b,c=Para[0] print("a=",a,"b=",b,"c=",c) print("cost:"+str(Para[1])) print("求解的拟合直线为:") print("y="+str(round(a,2))+"x*x+"+str(round(b,2))+"x+"+str(c))
a= 2.0 b= 3.0 c= 4.0 cost:2 求解的拟合直线为: y=2.0x*x+3.0x+4.0
通过对比看出,python scipy库中的leastsq函数通用性还是比较高的。
目标函数:y=ax2+bx+c的非线性回归的拟合过程,见:机器学习:形如抛物线的散点图在python和R中的非线性回归拟合方法
相关文章推荐
- 机器学习:R语言中如何使用最小二乘法
- 机器学习:Python中如何使用最小二乘法
- 机器学习:Python中如何使用最小二乘法
- 机器学习:Python中如何使用最小二乘法
- 【程序语言】C/C++中如何使用Lua脚本
- C语言中如何使用宏 包括单双井号 可变参数
- 如何使用c#语言来调用MapX
- 如何使用ActionScript来检测用户的语言及屏幕分辨率
- 如何汉化DNN--中文语言包的使用
- 如何通过代码获取word文档使用的语言
- 在游戏中如何使用LUA5.1脚本语言
- 如何使用gettext, po, mo制作多语言应用程序
- 在iOS中如何使用汇编语言
- 如何在Android中使用汇编语言
- 【Based Android】让你轻松多语言-关于android如何使用最佳的资源
- 如何判断一个.NET程序是使用VB.NET语言写的
- 如何在VS.Net中使用C#语言调用CHM帮助文件
- 如何设置NetBeans5.5使用的语言
- 如何使用gettext, po, mo制作多语言应用程序 (转)
- ZODB入门 -- 如何通过面向对象的动态语言 Python 使用对象数据库