在 MATLAB 中训练集，测试集线性回归建模代码

在 MATLAB 中，可以使用 `fitlm` 函数来进行线性回归建模。以下是一个简单的例子：

% 生成训练数据
trainX = rand(100, 1);
trainY = 2 * trainX + randn(100, 1);

% 生成测试数据
testX = rand(50, 1);
testY = 2 * testX + randn(50, 1);

% 使用 fitlm 函数进行线性回归建模
model = fitlm(trainX, trainY);

% 使用 predict 函数进行预测
trainPred = predict(model, trainX);
testPred = predict(model, testX);

% 计算模型的性能指标
trainMSE = immse(trainY, trainPred);
testMSE = immse(testY, testPred);

% 打印模型性能指标
fprintf('Training MSE: %f\n', trainMSE);
fprintf('Testing MSE: %f\n', testMSE);

在这个例子中，我们生成了训练集和测试集数据，使用 `fitlm` 函数对训练数据进行拟合，然后使用 `predict` 函数对训练集和测试集进行预测。最后，我们计算了模型在训练集和测试集上的均方误差（MSE），并将其打印出来。

相关问题

在 MATLAB 中训练集，测试集建立线性回归图

在 MATLAB 中，可以使用 `plot` 函数来绘制数据和线性回归拟合线的图形。以下是一个简单的例子：

% 生成训练数据
trainX = rand(100, 1);
trainY = 2 * trainX + randn(100, 1);

% 生成测试数据
testX = rand(50, 1);
testY = 2 * testX + randn(50, 1);

% 使用 fitlm 函数进行线性回归建模
model = fitlm(trainX, trainY);

% 绘制训练集和测试集的散点图
scatter(trainX, trainY, 'filled');
hold on;
scatter(testX, testY, 'filled');

% 绘制线性回归拟合线
xlim([0 1]);
ylim([0 4]);
plot(model);

% 添加图例和标签
legend('训练集', '测试集', '线性回归拟合');
xlabel('X');
ylabel('Y');

在这个例子中，我们生成了训练集和测试集数据，使用 `fitlm` 函数对训练数据进行拟合，然后使用 `scatter` 函数绘制训练集和测试集的散点图。接着，我们使用 `xlim` 和 `ylim` 函数设置图像的坐标轴范围，使用 `plot` 函数绘制线性回归拟合线。最后，我们使用 `legend` 函数添加图例，使用 `xlabel` 和 `ylabel` 函数添加坐标轴标签。