C++ 1元线性回归模型代码实现

在C++中实现1元线性回归模型通常涉及到数据结构、数学计算和迭代优化。这里是一个简化的例子，使用基本的数学公式，假设我们有一个简单的线性方程y = mx + b：

#include <iostream>
#include <vector>

// 线性回归模型类
class LinearRegression {
public:
    // 初始化函数，设置初始斜率和截距
    LinearRegression(double m = 0, double b = 0) : slope(m), intercept(b) {}

    // 训练函数，根据输入数据更新斜率和截距
    void train(const std::vector<double>& x_data, const std::vector<double>& y_data) {
        double sum_x = 0, sum_y = 0, sum_xy = 0, sum_xx = 0;

        for (size_t i = 0; i < x_data.size(); ++i) {
            sum_x += x_data[i];
            sum_y += y_data[i];
            sum_xy += x_data[i] * y_data[i];
            sum_xx += x_data[i] * x_data[i];
        }

        int n = x_data.size();
        slope = (n * sum_xy - sum_x * sum_y) / (n * sum_xx - sum_x * sum_x);
        intercept = (sum_y - slope * sum_x) / n;
    }

    // 预测函数，给定x返回预测值
    double predict(double x) const {
        return slope * x + intercept;
    }

private:
    double slope, intercept; // 斜率和截距
};

int main() {
    // 示例数据
    std::vector<double> x_data = {1, 2, 3, 4, 5};
    std::vector<double> y_data = {2, 3, 4, 5, 6};

    // 创建并训练模型
    LinearRegression model;
    model.train(x_data, y_data);

    // 使用模型预测
    double x = 6.0;
    double prediction = model.predict(x);
    std::cout << "Predicted value at x=" << x << " is: " << prediction << std