• 设为首页
  • 点击收藏
  • 手机版
    手机扫一扫访问
    迪恩网络手机版
  • 关注官方公众号
    微信扫一扫关注
    公众号

MATLAB局部加权线性回归

原作者: [db:作者] 来自: [db:来源] 收藏 邀请

通常我们使用的最小二乘都需要预先设定一个模型,然后通过最小二乘方法解出模型的系数。

而大多数情况是我们是不知道这个模型的,比如这篇博客中z=ax^2+by^2+cxy+dx+ey+f 这样的模型。

局部加权线性最小二乘就不需要我们预先知道待求解的模型,因为该方法是基于多个线性函数的叠加,最终只用到了线性模型。

计算线性模型时引入了一个加权函数:

来给当前预测数据分配权重,分配机制是:给距离近的点更高的权重,给距离远的点更低的权重。

公式中的k类似与高斯函数中的sigma。

当sigma变大时,函数变得矮胖,计算局部线性函数时更多的使用全局数据;

当sigma变小时,函数变得瘦高,计算局部线性函数时更多的使用局部数据。

代码如下:

 1 clear all;
 2 close all;
 3 clc;
 4 
 5 x=(1:0.1:10)';
 6 y=x.^2+x+3 +rand(length(x),1)*6;
 7 plot(x,y,'.')
 8 
 9 sigma=0.1;              %设置局部窗口,越大越使用全局数据,越小越使用局部数据
10 W=zeros(length(x));
11 C=[];
12 for i=1:length(x)    
13     for j=1:length(x) 
14         W(j,j)=exp(-((x(i)-x(j))^2)/(2*sigma^2));   %权重矩阵
15     end
16 
17     XX=[x ones(length(x),1)];
18     YY=y;
19     C=[C inv(XX'*W*XX)*XX'*W*YY];           %加权最小二乘,计算求得局部线性函数的系数
20     
21 end
22 
23 re=diag(XX*C);
24 hold on;
25 plot(x,re);

结果如下:

可以看出,红色的局部线性函数最终拟合出了全局的数据。

不过该方法既然不需要知道模型,那我们如何预测未来的数据结果呢?


鲜花

握手

雷人

路过

鸡蛋
该文章已有0人参与评论

请发表评论

全部评论

专题导读
上一篇:
Delphi2009泛型容器遍历超界问题发布时间:2022-07-18
下一篇:
delphi-学习类的例子(带指示灯按钮的实现)发布时间:2022-07-18
热门推荐
阅读排行榜

扫描微信二维码

查看手机版网站

随时了解更新最新资讯

139-2527-9053

在线客服(服务时间 9:00~18:00)

在线QQ客服
地址:深圳市南山区西丽大学城创智工业园
电邮:jeky_zhao#qq.com
移动电话:139-2527-9053

Powered by 互联科技 X3.4© 2001-2213 极客世界.|Sitemap