线性模型描述的连续响应变量为一个或多个预测值变量的函数。他们可以帮助你理解和预测复杂系统的行为或分析实验,金融和生物数据。
线性回归是用于创建一个线性模型的统计方法。该模型描述(称为预测)一个因变量\(Y \)之间的一个或多个自变量\(X_I \)的函数关系(也称为响应)。用于线性模式的一般方程是:
\ [Y = \ beta_0 + \总和\ \ beta_i X_I + \ epsilon_i \]
其中\(\测试\)表示线性参数估计被计算和\(\小量\)表示误差项。
有几种类型的线性回归:
- 简单线性回归:只使用一个预测模型
- 多元线性回归:使用多个预测模型
- 多元线性回归:模型多重响应变量
简单线性回归在共同完成MATLAB。对于多个和多元线性回归,见统计和机器学习工具箱。它能够逐步,稳健,和多元回归到:
- 生成预测
- 比较线性模型拟合
- 情节残差
- 评估拟合优度拟合
- 检测离群值
要创建一个线性模型适合曲线和曲面到您的数据,请参见曲线拟合工具箱。创建从测量的输入 - 输出数据的动态系统的线性模型,见系统辨识工具箱。为了创建用于从非线性Simulink模型控制系统设计的线性模型,见金宝app金宝appSimulink的控制设计。