regression 正在参加 2020 年度 OSC 中国开源项目评选,请投票支持!
regression 在 2020 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
投票让它出道
已投票
授权协议: MIT
开发语言: Google Go 查看源码 »
操作系统: 跨平台
收录时间: 2016-09-18
提 交 者: 达尔文

regression 是 Go 的多元线性回归。

用法举例:

导入安装包,创建一个回归和数据,并添加进去。你可按照你的需要添加变量,下面实例中我们使用三个变量:

package mainimport (    "fmt"

    "github.com/sajari/regression")func main() {    r := new(regression.Regression)
    r.SetObserved("Murders per annum per 1,000,000 inhabitants")
    r.SetVar(0, "Inhabitants")
    r.SetVar(1, "Percent with incomes below $5000")
    r.SetVar(2, "Percent unemployed")
    r.Train(
        regression.DataPoint(11.2, []float64{587000, 16.5, 6.2}),
        regression.DataPoint(13.4, []float64{643000, 20.5, 6.4}),
        regression.DataPoint(40.7, []float64{635000, 26.3, 9.3}),
        regression.DataPoint(5.3, []float64{692000, 16.5, 5.3}),
        regression.DataPoint(24.8, []float64{1248000, 19.2, 7.3}),
        regression.DataPoint(12.7, []float64{643000, 16.5, 5.9}),
        regression.DataPoint(20.9, []float64{1964000, 20.2, 6.4}),
        regression.DataPoint(35.7, []float64{1531000, 21.3, 7.6}),
        regression.DataPoint(8.7, []float64{713000, 17.2, 4.9}),
        regression.DataPoint(9.6, []float64{749000, 14.3, 6.4}),
        regression.DataPoint(14.5, []float64{7895000, 18.1, 6}),
        regression.DataPoint(26.9, []float64{762000, 23.1, 7.4}),
        regression.DataPoint(15.7, []float64{2793000, 19.1, 5.8}),
        regression.DataPoint(36.2, []float64{741000, 24.7, 8.6}),
        regression.DataPoint(18.1, []float64{625000, 18.6, 6.5}),
        regression.DataPoint(28.9, []float64{854000, 24.9, 8.3}),
        regression.DataPoint(14.9, []float64{716000, 17.9, 6.7}),
        regression.DataPoint(25.8, []float64{921000, 22.4, 8.6}),
        regression.DataPoint(21.7, []float64{595000, 20.2, 8.4}),
        regression.DataPoint(25.7, []float64{3353000, 16.9, 6.7}),
    )
    r.Run()

    fmt.Printf("Regression formula:\n%v\n", r.Formula)
    fmt.Printf("Regression:\n%s\n", r)
}

提醒:你同样可以一个一个地添加数据点。

一旦计算出来,你可以打印数据,检查R ^ 2,方差,残差等,您也可以直接访问该系数的其他使用地方。如:

// Get the coefficient for the "Inhabitants" variable 0:c := r.Coeff(0)元
You can also use the model to predict new data points
prediction, err := r.Predict([]float64{587000, 16.5, 6.2})
展开阅读全文

代码

的 Gitee 指数为
超过 的项目

regression 的相关资讯

还没有任何资讯

regression 的相关博客

linear regression and logistic regression

①linear regression target function的推导 线性回归是一种做拟合的算法: 通过工资和年龄预测额度,这样就可以做拟合来预测...

Logistic regression

1: Classification As we learned in the last mission, the fundamental goal of machine learning is to understand the re...

Linear Regression

1: Introduction In this mission, we'll be looking at how expert wine tasters evaluated different white wines. Here ar...

Ridge Regression

Ridge Regression 展开

LOGIT REGRESSION

Version info: Code for this page was tested in SPSS 20. Logistic regression, also called a logit model, is used to mo...

Lasso Regression

Lasso Regression 展开

回归(Regression)

回归(Regression) 生活中的很多事物之间是相互影响的,如商品的质量跟用户的满意度密切相关。而回归分析是要分析两个事物间...

linear regression

今天分享一个很经典的ML算法---LIner regression(线性回归) **线性回归(Linear regression)**是利用称为线性回归方程的最小...

Least Angle Regression

[TOC] Efron B, Hastie T, Johnstone I M, et al. Least angle regression[J]. Annals of Statistics, 2004, 32(2): 407-499....

分类---Logistic Regression

一 概述 Logistic Regression的三个步骤 现在对为什么不使用均方误差进行分析(步骤二的) 由上图可以看出,当距离目标很远时...

regression 的相关问答

还没有任何问答,马上提问

评论 (0)

加载中
更多评论
0 评论
1 收藏
分享
返回顶部
顶部