C++ 2元线性回归模型代码实现

在C++中实现二元线性回归模型通常会涉及到一些数学库，如Eigen库，它提供了矩阵运算的支持。下面是一个简单的例子，使用Eigen库构建一个基础的二元线性回归模型：

#include <Eigen/Dense>
#include <iostream>

// 定义数据结构
struct DataPoint {
    double x;
    double y;
};

// 线性回归模型参数
class LinearRegressionModel {
private:
    Eigen::VectorXd m; // 斜率向量
    Eigen::VectorXd c; // 截距向量

public:
    LinearRegressionModel(const std::vector<DataPoint>& data) {
        // 计算斜率和截距
        const int n = data.size();
        Eigen::MatrixXd X(n, 2); // 设定X（特征矩阵）
        for (int i = 0; i < n; ++i) {
            X(i, 0) = data[i].x;
            X(i, 1) = 1; // 添加常数项
        }
        m = (X.transpose() * X).inverse() * X.transpose() * Eigen::VectorXd::Ones(n);
        c = Eigen::VectorXd::Zero(1) - m * Eigen::VectorXd::Ones(n) * data[0].y;
    }

    // 预测函数
    double predict(double x1, double x2) const {
        return m(0) * x1 + m(1) * x2 + c(0);
    }
};

int main() {
    // 示例数据点
    DataPoint data[] = {{1, 2}, {2, 4}, {3, 6}};
    LinearRegressionModel model(data, sizeof(data) / sizeof(DataPoint));

    // 使用模型预测
    double prediction = model.predict(4, 5);
    std::cout << "Predicted value for (4, 5): " << prediction << std::endl;

    return 0;
}

这个代码首先创建了一个`DataPoint`结构体表示输入的数据点，然后定义了`LinearRegressionModel`类，其中包含了计算模型参数（m和c）以及预测值的方法。注意这只是一个基础版本，实际应用中可能需要添加更多的错误检查和优化。