线性回归MAtlab代码
时间: 2024-04-28 19:17:21 浏览: 12
当然,我可以为您介绍一下线性回归的Matlab代码。线性回归是一种常见的机器学习算法,用于建立一个线性模型来预测连续型的输出变量。以下是一个简单的线性回归的Matlab代码示例:
```matlab
% 假设我们有一组输入变量X和对应的输出变量Y
X = [1, 2, 3, 4, 5]; % 输入变量
Y = [2, 4, 6, 8, 10]; % 输出变量
% 使用线性回归模型拟合数据
coefficients = polyfit(X, Y, 1); % 使用polyfit函数进行线性拟合,1表示一次线性拟合
% 获取拟合的斜率和截距
slope = coefficients(1); % 斜率
intercept = coefficients(2); % 截距
% 绘制原始数据和拟合直线
scatter(X, Y); % 绘制散点图
hold on;
x_fit = min(X):max(X); % 拟合直线的x坐标范围
y_fit = slope * x_fit + intercept; % 计算拟合直线的y坐标
plot(x_fit, y_fit, 'r'); % 绘制拟合直线,'r'表示红色
% 添加图例和标签
legend('Data', 'Linear Fit');
xlabel('X');
ylabel('Y');
title('Linear Regression');
% 预测新的输入变量对应的输出变量
new_X = 6;
new_Y = slope * new_X + intercept;
disp(['预测的输出变量为:', num2str(new_Y)]);
```
这段代码首先定义了一组输入变量X和对应的输出变量Y。然后使用polyfit函数进行线性拟合,得到拟合的斜率和截距。接下来,绘制原始数据和拟合直线,并添加图例和标签。最后,通过给定新的输入变量,使用拟合的模型进行预测,并将结果打印出来。