C#Math.NET Numerics中的线性回归代码可以更快吗？

我需要有效地进行多元线性回归。我正在尝试使用Math.NET Numerics软件包，但它似乎很慢-也许是我编写的方式？对于这个例子，我只有简单的（1 x值）回归

我有一段话：

        public class barData
        {
            public double[] Xs;
            public double Mid;
            public double Value;

        }

        public List<barData> B;


        var xdata = B.Select(x=>x.Xs[0]).ToArray();
        var ydata = B.Select(x => x.Mid).ToArray();

        var X = DenseMatrix.CreateFromColumns(new[] { new DenseVector(xdata.Length, 1), new DenseVector(xdata) });
        var y = new DenseVector(ydata);

        var p = X.QR().Solve(y);
        var b = p[0];
        var a = p[1];
        B[0].Value = (a * (B[0].Xs[0])) + b;

---

另外，如果Math.NET是一个问题，那么如果有人知道将我的纯代码更改为多个X的简单方法，我将非常感谢您的帮助

使用QR分解是一种非常通用的方法，它可以为任何具有线性参数的函数提供最小二乘回归解，无论它有多么复杂。因此，它不能与非常具体的直接实现（在计算时间上）竞争并不奇怪，特别是在

y:x->a+b*x

的简单情况下。不幸的是，Math.NET Numerics不提供直接回归例程，但您可以使用它

但是，为了提高速度，您仍然可以尝试以下几点：

• 使用精简而不是完全QR分解，即将

  QRMethod.thin

  传递到

  QR

  方法
• 使用我们的（更快的QR，但不再是纯粹的托管代码）
• 调整线程，例如尝试完全禁用多线程（

  Control.ConfigureSingleThread（）

  ）或调整其参数

---

如果数据集非常大，也有更有效的方法来构建矩阵，但这可能与QR（->性能分析！）无关。

您确定了在任何调试器之外运行发布构建的时间吗？缓慢的部分是什么<代码>变量p=X.QR（）.Solve（y）？

       double xAvg = 0;
        double yAvg = 0;

        int n = -1;
        for (int x = Length - 1; x >= 0; x--)
        {
            n++;
            xAvg += B[x].Xs[0];
            yAvg += B[x].Mid;
        }

        xAvg = xAvg / B.Count;
        yAvg = yAvg / B.Count;

        double v1 = 0;
        double v2 = 0;

        n = -1;
        for (int x = Length - 1; x >= 0; x--)
        {
            n++;
            v1 += (B[x].Xs[0] - xAvg) * (B[x].Mid - yAvg);
            v2 += (B[x].Xs[0] - xAvg) * (B[x].Xs[0] - xAvg);
        }

        double a = v1 / v2;
        double b = yAvg - a * xAvg;

        B[0].Value = (a * B[Length - 1].Xs[0]) + b;