La compréhension de la régression de la fonction dans Matlab

Je vais avoir du mal à comprendre comment la régression des œuvres dans Matlab.

Dire que j'ai 2 tableaux (X et Y), chacune ayant la même taille (disons qu'elles sont chacune 1x10). Ce que je comprends, la régression de la fonction devrait m'aider à trouver la relation entre X et Y (je veux dessiner un meilleur ajustement de la ligne à travers le tracé de données), et ensuite me donner la pente. Quand j'ai essayé ceci dans Matlab, j'ai eu une erreur en disant que les 2 variables ont un nombre différent de lignes....mais ils ne le font pas, ils?

Je serais vraiment reconnaissant si quelqu'un pouvait m'aider à comprendre comment la fonction et ses paramètres de travail, juste pour me faire aller à un niveau de base.

Voici un code comme exemple:

x = [1,2,3,4,5,6,7,8,9,10];
y = [1,2,3,4,5,6,7,8,9,10]; %defining the arrays, they are linearly related
X=[x ones(size(x,1),1)]; %adding the (necessary?) column of ones
regress(y,X) % using the regress function for a relationship

J'obtiens cette erreur:

??? Error using ==> regress at 64
The number of rows in Y must equal the number of rows in X.

OriginalL'auteur John Alberto | 2013-11-28

  1. 2

    Je pense que vous êtes confus lignes avec les colonnes en quelque sorte (Matlab utilise classement de la colonne principale). Si vous imprimez vos deux entrées, y et X, vous verrez immédiatement qu'ils sont en ligne, des vecteurs de longueurs différentes. Lire l'aide et de la documentation pour régression soigneusement la première entrée doit être un N-en-1 vecteur colonne. Et la seconde d'un N par p la matrice. Donc quelque chose comme cela pourrait fonctionner:

    x = 1:10;
y = 1:10;
X = [x; ones(1,length(x))];
b = regress(y.',X.')

    OriginalL'auteur horchler

  2. 1

    regress est pour la régression linéaire multiple. Vous voulez juste trouver la relation entre X et Y. Pour que polyfit de commande devrait être suffisant. Je pense que la colonne de ceux est nécessaire que si vous souhaitez calculer les statistiques.

    De MATLAB documentation:

    de la régression est de la régression linéaire multiple. Vous voulez juste trouver la relation entre X et Y. Pour que polyfit de commande devrait être suffisant. Je pense que la colonne de ceux est nécessaire que si vous souhaitez calculer les statistiques.

    Vous allez utiliser regress lorsque vous voulez savoir comment Z se comporte à l'égard de X et Y. En bref, Z=f(X,Y). Dans ce cas, vous allez brancher Z comme un nx1 vecteur (le premier argument dans regress de commande). Alors vous en former une autre matrice, dire D=[X Y]. C'est un nx2 vecteur. Ce sera le deuxième argument en faveur de la regress commande.

    Maintenant lire ce à partir de MATLAB docs de nouveau, voir si cela fait sens:

    b = régression(y,X) retourne un p-par-1 vecteur b de coefficient d'estimations de la régression multilinéaire des réponses en y sur les prédicteurs de X. X est un n par p la matrice de p prédicteurs à chacun des n observations. y est un n-en-1 le vecteur des réponses observées.

    Pouvez-vous nous expliquer la différence entre la régression linéaire multiple et normal de régression ? Je ne pouvais pas comprendre la différence entre les commandes fitlm et la régression dans matlab.
    Concernant fitlm vs regress, les deux sont des régresseurs linéaires. Je pense que fitlm est mieux organisé et vous pouvez tracer, de calculer des métriques etc. en utilisant les méthodes de fitlm. Vous ne pouvez pas faire beaucoup de choses dans regress. Cependant, je ne suis pas sûr. Je pense que vous vouliez dire "normale multivariée par régression", pour qui lire mvregress de MATALB et les comparer avec regress. Vous devriez obtenir la différence.

    OriginalL'auteur Parag S. Chandakkar