线性回归预测算法 C++ 完整代码

线性回归是一种常见的统计学预测模型，它假设因变量和自变量之间存在线性关系。在C++中实现线性回归预测，你可以使用基本的数学计算，不需要依赖复杂的库。下面是一个简单的线性回归模型（简单线性回归）的C++示例，用于预测单个自变量的输出：

#include <iostream>
#include <vector>

// 计算最小二乘法回归系数
void linearRegression(std::vector<double> x, std::vector<double> y, double& m, double& b) {
    int n = x.size();
    double sumX = 0, sumY = 0, sumXY = 0, sumX2 = 0;

    for (int i = 0; i < n; ++i) {
        sumX += x[i];
        sumY += y[i];
        sumXY += x[i] * y[i];
        sumX2 += x[i] * x[i];
    }

    m = (n * sumXY - sumX * sumY) / (n * sumX2 - sumX * sumX);
    b = (sumY - m * sumX) / n;
}

// 预测函数
double predict(double x, double m, double b) {
    return m * x + b;
}

int main() {
    // 假设你有如下数据点（x, y）
    std::vector<double> x = {1, 2, 3, 4, 5};
    std::vector<double> y = {2, 4, 6, 8, 10};

    // 初始化回归系数
    double m, b;

    // 训练模型
    linearRegression(x, y, m, b);

    // 对新数据点进行预测
    double newX = 6; // 假设我们要预测6的y值
    double predictedY = predict(newX, m, b);

    std::cout << "对于x=" << newX << ", 预测的y值是: " << predictedY << std::endl;

    return 0;
}