一元线性回归模型参数估计c++

一元线性回归模型的参数估计可以使用最小二乘法来实现。下面是一个使用C++实现一元线性回归模型参数估计的示例代码：

#include <iostream>
#include <vector>
#include <cmath>

// 定义一元线性回归模型的参数估计函数
void linearRegression(const std::vector<double>& x, const std::vector<double>& y, double& slope, double& intercept) {
    int n = x.size();
    double sumX = 0.0, sumY = 0.0, sumXY = 0.0, sumX2 = 0.0;

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

    // 计算斜率和截距
    slope = (n * sumXY - sumX * sumY) / (n * sumX2 - sumX * sumX);
    intercept = (sumY - slope * sumX) / n;
}

int main() {
    // 输入数据
    std::vector<double> x = {1, 2, 3, 4, 5};
    std::vector<double> y = {2, 4, 6, 8, 10};

    // 参数估计
    double slope, intercept;
    linearRegression(x, y, slope, intercept);

    // 输出结果
    std::cout << "Slope: " << slope << std::endl;
    std::cout << "Intercept: " << intercept << std::endl;

    return 0;
}

这段代码实现了一元线性回归模型的参数估计，通过最小二乘法计算出斜率和截距。输入的x和y分别代表自变量和因变量的数据，输出的slope和intercept分别代表估计得到的斜率和截距。