c语言实现线性回归

线性回归是一种广泛使用的监督学习算法，它可以用于预测数值型变量的值。下面是一个用 C 语言实现的简单线性回归的示例代码：

#include <stdio.h>
#include <stdlib.h>

#define LEARNING_RATE 0.01  // 学习率
#define MAX_ITERATIONS 1000  // 最大迭代次数

// 线性回归模型
double linear_regression(double x[], double y[], int n, double *b)
{
    double sum_x = 0.0, sum_y = 0.0, sum_xy = 0.0, sum_xx = 0.0;
    for (int i = 0; i < n; i++) {
        sum_x += x[i];
        sum_y += y[i];
        sum_xy += x[i] * y[i];
        sum_xx += x[i] * x[i];
    }
    double x_mean = sum_x / n;
    double y_mean = sum_y / n;
    double denominator = sum_xx - sum_x * x_mean;
    if (denominator == 0.0) {
        return 0.0;
    }
    *b = (sum_xy - sum_x * y_mean) / denominator;
    return y_mean - *b * x_mean;
}

int main()
{
    // 样本数据
    double x[] = {1.0, 2.0, 3.0, 4.0, 5.0};
    double y[] = {1.5, 3.2, 4.8, 6.9, 8.3};
    int n = 5;
    double b;  // 斜率
    double a = linear_regression(x, y, n, &b);  // 截距
    printf("a = %f, b = %f\n", a, b);

    // 预测新数据
    double x_new = 6.0;
    double y_new = a + b * x_new;
    printf("y_new = %f\n", y_new);

    return 0;
}

在这个示例中，我们使用了样本数据 `x` 和 `y`，分别表示自变量和因变量。然后我们使用 `linear_regression` 函数求出回归方程的截距和斜率，并用 `a` 和 `b` 变量保存它们的值。最后，我们可以用回归方程预测新数据 `x_new` 对应的因变量 `y_new`。

这个示例中的线性回归模型是一个简单的一元线性回归模型。如果要处理多元线性回归问题，需要对代码进行适当的修改。