1、首先我了解一下回归直线的原理。如果散点图中点的分布从整体看大致在一条直线附近，我们就称这两个变量之间具有线性相关关系，这条直线叫做回归直线。根据不同的标准，可以画出不同的直线来近似表示这种线性相关关系。
2、先求 x、y 的平均数 x_=（/y_=（/然后求对应的 x、y 的乘积之和 ：，x_*y_=，接着计算 x 的平方之和：x_^，现在可以计算 b 了：b=（ / （=，而 a=y_-bx_=，所以回归直线方程为 y=bx+a=+。
3、还可用最小二乘法：总离差不能用n个离差之和来表示，通常是用离差的平方和，即为总离差，并使之达到最小，这样回归直线就是所有直线中Q取最小值的那一条，这种使“离差平方和最小”的方法，叫做最小二乘法。
4、用最小二乘法求：由于绝对值使得计算不变，在实际应用中人们更喜欢用：Q=（ybxa）？+（ybxa）？+······+（yn-bxn-a）？，这样，问题就归结于：当a，b取什么值时Q最小，即到点直线y=bx+a的“整体距离”最小。
© 版权声明
本信息内容为用户上传，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。 如遇侵权请及时联系本站删除。
相关文章
暂无评论...
量子科技网导航收录了国内外数百个不同类型的AI工具，每日更新和添加最新AI工具，量子科技网还推荐了AI学习开发的常用网站、框架和模型，帮助你加入人工智能浪潮，自动化高效完成任务！