matlab多元线性回归模型

在 MATLAB 中，你可以使用统计和机器学习工具箱来拟合多元线性回归模型。以下是一个简单的示例代码，用于展示如何使用 MATLAB 实现多元线性回归模型：

% 输入数据
X = [1 2 3 4 5];         % 自变量 X
Y = [2 4 6 8 10];        % 因变量 Y

% 添加截距项
X = [ones(size(X,1),1) X];

% 拟合多元线性回归模型
mdl = fitlm(X, Y);

% 显示回归结果
disp(mdl);

% 预测新数据
newX = [1 6];             % 新的自变量值
newX = [1 newX];         % 添加截距项
predictedY = predict(mdl, newX);

% 显示预测结果
disp(predictedY);

在上面的示例中，我们首先定义了自变量 X 和因变量 Y。然后，我们通过在自变量 X 前添加一个截距项来创建一个扩展的自变量矩阵。接下来，使用 `fitlm` 函数来拟合多元线性回归模型，并将结果保存在 `mdl` 变量中。最后，我们可以使用 `predict` 函数来预测新的自变量值，并将结果保存在 `predictedY` 变量中。

请注意，这只是一个简单的示例代码，实际使用时可能需要根据数据的特点进行适当的修改和调整。