基于PHP实现的多元线性回归模拟曲线算法

本文实例讲述了基于PHP实现的多元线性回归模拟曲线算法。分享给大家供大家参考,具体如下:

多元线性回归模型y = b1x1 + b2x2 + b3x3 +...... +bnxn;

我们根据一组数据: 类似 arr_x = [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10], [11, 12, 13, 14, 15]]; arr_y = [5, 10, 15]; 我们最后要求出的是一个数组,包含了从b1 到bn;

方法:利用最小二乘法

公式:我们只用公式的前半部分,也就是用矩阵来计算

式中的X就是arr_x,二维数组我们可以把它看成是一个矩阵,式中的y就是arr_y,也把它看成一个矩阵(5, 10, 15) ,不过应该是竖着写的。

然后可以根据公式我们会发现要用到矩阵的相乘,转置,求逆;所以下面的代码一一给出:

public function get_complement($data, $i, $j) {

/* x和y为矩阵data的行数和列数 */

$x = count($data);

$y = count($data[0]);

/* data2为所求剩余矩阵 */

$data2 =[];

for ($k = 0; $k < $x -1; $k++) {

if ($k < $i) {

for ($kk = 0; $kk < $y -1; $kk++) {

if ($kk < $j) {

$data2[$k][$kk] = $data[$k][$kk];

} else {

$data2[$k][$kk] = $data[$k][$kk +1];

}

}

} else {

for ($kk = 0; $kk < $y -1; $kk++) {

if ($kk < $j) {

$data2[$k][$kk] = $data[$k +1][$kk];

} else {

$data2[$k][$kk] = $data[$k +1][$kk +1];

}

}

}

}

return $data2;

}

/* 计算矩阵行列式 */

public function cal_det($data) {

$ans = 0;

if (count($data[0]) === 2) {

$ans = $data[0][0] * $data[1][1] - $data[0][1] * $data[1][0];

} else {

for ($i = 0; $i < count($data[0]); $i++) {

$data_temp = $this->get_complement($data, 0, $i);

if ($i % 2 === 0) {

$ans = $ans + $data[0][$i] * ($this->cal_det($data_temp));

} else {

$ans = $ans - $data[0][$i] * ($this->cal_det($data_temp));

}

}

}

return $ans;

}

/*计算矩阵的伴随矩阵*/

public function ajoint($data) {

$m = count($data);

$n = count($data[0]);

$data2 =[];

for ($i = 0; $i < $m; $i++) {

for ($j = 0; $j < $n; $j++) {

if (($i + $j) % 2 === 0) {

$data2[$i][$j] = $this->cal_det($this->get_complement($data, $i, $j));

} else {

$data2[$i][$j] = - $this->cal_det($this->get_complement($data, $i, $j));

}

}

}

return $this->trans($data2);

}

/*转置矩阵*/

public function trans($data) {

$i = count($data);

$j = count($data[0]);

$data2 =[];

for ($k2 = 0; $k2 < $j; $k2++) {

for ($k1 = 0; $k1 < $i; $k1++) {

$data2[$k2][$k1] = $data[$k1][$k2];

}

}

/*将矩阵转置便可得到伴随矩阵*/

return $data2;

}

/*求矩阵的逆,输入参数为原矩阵*/

public function inv($data) {

$m = count($data);

$n = count($data[0]);

$data2 =[];

$det_val = $this->cal_det($data);

$data2 = $this->ajoint($data);

for ($i = 0; $i < $m; $i++) {

for ($j = 0; $j < $n; $j++) {

$data2[$i][$j] = $data2[$i][$j] / $det_val;

}

}

return $data2;

}

/*求两矩阵的乘积*/

public function getProduct($data1, $data2) {

/*$data1 为左乘矩阵*/

$m1 = count($data1);

$n1 = count($data1[0]);

$m2 = count($data2);

$n2 = count($data2[0]);

$data_new =[];

if ($n1 !== $m2) {

return false;

} else {

for ($i = 0; $i <= $m1 -1; $i++) {

for ($k = 0; $k <= $n2 -1; $k++) {

$data_new[$i][$k] = 0;

for ($j = 0; $j <= $n1 -1; $j++) {

$data_new[$i][$k] += $data1[$i][$j] * $data2[$j][$k];

}

}

}

}

return $data_new;

}

/*多元线性方程*/

public function getParams($arr_x, $arr_y) {

$final =[];

$arr_x_t = $this->trans($arr_x);

$result = $this->getProduct($this->getProduct($this->inv($this->getProduct($arr_x_t, $arr_x)), $arr_x_t), $arr_y);

foreach ($result as $key => $val) {

foreach ($val as $_k => $_v) {

$final[] = $_v;

}

}

return $final;

}

最后的getParams()方法就是最后求b参数数组的方法,传入一个二维数组arr_x, 和一个一维数组arr_y就可以了。

这一般用于大数据分析,根据大数据来模拟和预测下面的发展和走势。

PS:这里为大家推荐两款相关模拟曲线工具供大家参考:

在线多项式曲线及曲线函数拟合工具:

http://tools.jb51.net/jisuanqi/create_fun

在线绘制多项式/函数曲线图形工具:

http://tools.jb51.net/jisuanqi/fun_draw

更多关于PHP相关内容感兴趣的读者可查看本站专题:《PHP数据结构与算法教程》、《php程序设计算法总结》、《php字符串(string)用法总结》、《PHP数组(Array)操作技巧大全》、《PHP常用遍历算法与技巧总结》及《PHP数学运算技巧总结》

希望本文所述对大家PHP程序设计有所帮助。

以上是 基于PHP实现的多元线性回归模拟曲线算法 的全部内容, 来源链接: utcz.com/p/221566.html

回到顶部