Julia 朱莉娅线性回归

我试图在朱莉娅身上拟合一个线性回归。 我有一个10列的数据框。前9列是预测值 我称之为X，最后一列是响应变量，我称之为Y

我键入了

linreg（X，Y）

，但收到一条错误消息，上面说 linreg没有匹配DataFrame和DataArray浮点的方法

我想知道如何解决这个问题。 我正在考虑将X转换为数据数组

我尝试了

convert（X，Array）

，但也出现了一个错误： “Convert没有与Convert匹配的方法”

---

是否有人有任何建议

如果您的数据已经存在于

数据框中

，您应该查看该软件包

特别是

lm

功能应该做您想做的事情，如果您是R用户，那么您会觉得非常熟悉

---

如果您发布更多代码（可能是

DataFrame

store

X

和

Y

中的哪些列），我们可以进一步帮助您

您只是使用了

convert

错误。正确的语法是

convert（T，x）

它的内容是：将

x

转换为

T

类型的值

所以基本上你需要做：

linreg(convert(Array,X),convert(Array,Y))

它应该会起作用

更新：对数组执行标量加法时，必须在Julia 1.0中使用

dot

运算符。i、 e.

y=m*x.+b

也可以使用简单的线性代数进行线性回归。 以下是一个例子：

# Linear Algebra style
# For single linear regresion y= mx .+ b
m = 3.3; b = 2; x = rand(100,1)
y = m * x .+ b
# add noise
yn= y + randn(size(y)) * 0.5

# regression
X = zeros(100,2); X[:,1] = x;  X[:,2] = 1.0
coeff_pred = X\yn

slope =  round(coeff_pred[1], 2)
intercept = round(coeff_pred[2], 2)

println("The real slope is $m, and the predicted slope is $slope")
println("The real intercept is $b, and the predicted slope is $intercept")

---

我只是标记了R和python，因为使用R和python的人通常熟悉线性回归。所以我认为他们可以提供一些有用的建议。这看起来像线性回归的慢版本，我们不能写一个快速的和定制的吗？