用php 实现多元线性回归模拟曲线

标签：

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。

用php 实现多元线性回归模拟曲线

标签：

原文地址：http://www.cnblogs.com/ljg-jj/p/4577163.html