• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    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。

    您可能感兴趣的文章:
    • php 大数据量及海量数据处理算法总结
    • php中最简单的字符串匹配算法
    • PHP经典算法集锦【经典收藏】
    • 关于PHP递归算法和应用方法介绍
    • PHP面试常用算法(推荐)
    • php经典算法集锦
    • PHP常用算法和数据结构示例(必看篇)
    • php使用高斯算法实现图片的模糊处理功能示例
    • php实现的常见排序算法汇总
    • PHP实现深度优先搜索算法(DFS,Depth First Search)详解
    • PHP实现广度优先搜索算法(BFS,Broad First Search)详解
    上一篇:PHP 记录访客的浏览信息方法
    下一篇:PHP双向链表定义与用法示例
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    基于PHP实现的多元线性回归模拟曲线算法 基于,PHP,实现,的,多元,线性,