机器学习线性回归模型中斜率和截距如何修改线性回归法计算斜率

转载

编程小天才 2023-12-19 19:51:37

最近发现线性回归算法真是个好东西，通过它可以来分析过去一段数据的变化趋势、斜率，本贴分享亲测可用代码块，供需要的小伙伴参考。

1、C语言模块代码：

/******************************************************************************
*函数功能：线性回归算法求得斜率
*入口参数：x:存放自变量x的n个值的数组首地址.
*入口参数：y:存放与自变量x的n个值对应的随机变量观测值的数组首地址.
*入口参数：n:观测点数.
*出口参数：a:长度为2的数组,其中a[0]存放回归系数b,   a[1]存放回归系数a.
*出口参数：dt:长度为6的数组,dt[0]为偏差平方和, dt[1]为平均标准偏差, dt[2]为回归平方和,   
                         dt[3]为最大偏差,   dt[4]为最小偏差,     dt[5]为偏差平均值.
*说    明：斜率越趋近于0越平稳，大于0说明斜率向高走，小于0说明斜率向低走
******************************************************************************/
void   GetCoefficient(double   *x, double   *y, int   n, double   *a, double   *dt)
{
    int  i;
    double  xx, yy, e, f, q, u, p, umax, umin, s;
    
    xx = 0.0;   yy = 0.0;
    for (i = 0; i <= n - 1; i++)
    {
        xx = xx + x[i] / n;
        yy = yy + y[i] / n;
    }
    e = 0.0;   f = 0.0;
    for (i = 0; i <= n - 1; i++)
    {
        q = x[i] - xx;   e = e + q   *   q;
        f = f + q   *   (y[i] - yy);
    }
    a[1] = f / e;   a[0] = yy - a[1] * xx;
    q = u = p = 0.0;
    umax = 0.0;   umin = 1.0e+30;
    for (i = 0; i <= n - 1; i++)
    {
        s = a[1] * x[i] + a[0];
        q = q + (y[i] - s)   *   (y[i] - s);
        p = p + (s - yy)   *   (s - yy);
        e = fabs(y[i] - s);
        if (e   >   umax)   umax = e;
        if (e   <   umin)   umin = e;
        u = u + e / n;
    }
    dt[1] = sqrt(q / n);
    dt[0] = q;   dt[2] = p;
    dt[3] = umax;   dt[4] = umin;   dt[5] = u;
}

2、调用示例：
//调用前，y数组旧数据先往y[0]方向挪动，然后装载新数据到y数组末尾
GetCoefficient(x , y , n , a , dt );//线性回归算法求得斜率
//5个入口参数在上面有解释，执行完该函数后，得出斜率值存放在a[1]，6位小数精度
注意：y是你要观察的数据数组，x是时间轴可填入1,2,3,4,5,6…一段连续的数（可能这样解释不太恰当，仅供小白理解），n是数据的个数。

3、补充知识：