多元线性回归matlab代码例题_matlab多元线性回归

1.matlab多元回归示例如下：

解决问题：油价预测

方法：多元线性回归

实现：matlab regress()函数

技巧：通过增加X1^2，X2^2，或者X1*X2等构造的特征项，可以提高回归模型的拟合准确度；但计算代价增大。

function result=reg_new_month(XX1_bu,YYnum)

y=YYnum;

a=XX1_bu; %由于alldata_pca已经进行归一化了；所以在回归分析中直接用就行%a=load('alldata.txt');

x1=a(:,1) ;

x2=a(:,2) ;

x3=a(:,3) ;

x4=a(:,4) ;

x5=a(:,5) ;

x6=a(:,6) ;

x7=a(:,7) ;

x8=a(:,8) ;

x9=a(:,9) ;

x11=x1.^2;

x12=x2.^2;

x13=x3.^2;

x14=x4.^2;

x15=x5.^2;

x16=x6.^2;

x17=x7.^2;

x18=x8.^2;

x19=x9.^2;

x21=x1.*x2;

x22=x2.*x3;

x23=x3.*x4;

x24=x4.*x5;

x25=x5.*x6;

x26=x6.*x7;

x27=x7.*x8;

x28=x8.*x9;

x29=x9.*x1;

X=[ones(length(y),1), x1,x2,x3,x4,x5,x6,x7,x8,x9,x11,x12,x13,x14,x15,x16,x17,x18,x19, x21,x22,x23,x24,x25,x26,x27,x28,x29];

[b,bint,r,rint,stats]=regress(y,X);%b; 相关系数%bint%r;残差%rint ： 置信区间%stats; 检验回归模型的统计量：分别为

rcoplot(r,rint)%画残差图

XXnum为原数据所有特征X；

YYnum为原数据所有目标值Y；

XX1_bu：是补全后的数据特征；

2.结果如下：

2.1残差图

2.2 指标

stats=[0.8259， 22.0910 ，1.2622e-33， 3464.8205]

R=stats(1)=0.82，越接近1则代表拟合得越好；

F=1.26e-33；F<0.05代表回归模型可用；

3 利用多元线性回归进行预测

输入测试X_test(若有多个X_test，可用循环或矩阵实现)；

调用多元回归m函数；

输出Y_pred。

参考资料：

1.https://www.cnblogs.com/Mayfly-nymph/p/10539106.html ，作者：Hk_mayfly

2. https://zhuanlan.zhihu.com/p/45149297 ，一个大学生的日常笔记,回归分析