MATLAB：线性回归

我正试图找出一种最有效的方法来找到一个数据集的线性回归方程（y=mx+c），给定一个2×n数组

基本上我想知道当X是，例如，50时Y的值是多少

我目前的方法还有很多需要改进的地方：

inputData是我的2×n数组，X在第一列，Y在第二列

x = 50

for i = 1 : size(inputData,1) % for every line in the inputData array
    if (inputData(i,1) < x + 5) | (inputData(i,1) > x - 5) % if we're within 5 of the specified X value
         arrayOfCloseYValues(i) = inputData(i, 2); % add the other position to the array
    end
end
y = mean(arrayOfCloseYValues) % take the mean to find Y

x=50
对于i=1：inputData数组中每行的大小（inputData，1）%
如果（输入数据（i，1）x-5）%
ArrayOfCloseyValue（i）=输入数据（i，2）；%将另一个位置添加到数组中
结束
结束
y=平均值（arrayOfCloseYValues）%取平均值以找到y

正如您所看到的，我上面的方法只是试图找到Y的值，该值在给定X值的5范围内，并获得平均值。这是一个可怕的方法，而且它需要绝对的时间来处理

我真正需要的是一个稳健的方法来计算X和Y的线性回归，这样我就可以通过方程Y=mx+c找到值

---

在我上面的方法中，我确实预先分配了内存，并在最后删除了尾随的零，但为了简单起见，我删除了这一部分。

Polyfit很好，但我认为您的问题更简单一些。您有一个2 x n的数据数组。假设第1列是y，第2列是x，那么：

y = inputData(:,1);
x = inputData(:,2);
b = ones(size(inputData));
A = [x b];
c = A\y

应该为坡度和偏移量提供最小二乘回归

下面是另一种测试方法：

x = transpose(0:10);
y = 0.5*x + 1 + 0.1*randn(size(x)); % as a test, m = 0.5, b=1, and add some noise
A = [x ones(size(x))];
c = A\y;
yest = c(1)*x + c(2);
plot(x,yest,x,y)
legend('y_{est}','y')

你应该得到：

---

您是否阅读了有关线性回归的Matlab文档？我有，但我看不出“polyfit”实际返回的是什么-它给出了两个值，但文档没有说明它们是否预测了输入数据的第一个或第二个值..？我将假设这两个值是“m”和“c”，作用于提供的第二个变量，即“y”。因此，如果我想找到“x”，我需要x=my+c，在polyfit（）函数中反转“x”和“y”…事实上，这也不起作用。如果有人能帮忙，我将非常感激！这是给出y=Ax+b还是y=bx+c？另外，c包含三个值。我相信你知道你在这里做了什么，但我无法计算出变量与什么有关：（好的，这给出了

y=c（1）*x+c（2）

所以

m=c（1）

和

b=c（2）

作为变量。抱歉，我希望我有更多的意义。我也会尝试添加到我以前的帖子中