本页采用了机器翻译。点击此处可查看英文原文。

拟合线性回归模型

此示例使用:

打开脚本

此示例显示如何为 ThingSpeak™ 通道中的数据拟合线性回归模型并计算数据中的回归系数。

从气象站 ThingSpeak 通道读取数据

ThingSpeak 通道 12397 包含来自位于马萨诸塞州纳蒂克的 MathWorks® 气象站的数据。每分钟收集一次数据。字段 3 和 4 分别包含湿度和温度数据。使用 thingSpeakRead 函数从通道 12397 读取过去一天的数据。

data = thingSpeakRead(12397,'NumDays',1,'Fields',[3 4],'outputFormat','table');

计算线性回归模型

描述响应（湿度）和一个或多个预测项（温度）之间的线性关系。例如，'Humidity ~ 1 + TemperatureF' 描述了一个将湿度与温度以及截距相关联的双变量线性模型。

mdl = fitlm(data, 'Humidity~TemperatureF')

mdl = 


Linear regression model:
    Humidity ~ 1 + TemperatureF

Estimated Coefficients:
                    Estimate       SE        tStat       pValue   
                    ________    ________    _______    ___________

    (Intercept)       49.448      1.7916       27.6    2.1811e-134
    TemperatureF    0.038851    0.045941    0.84567        0.39788


Number of observations: 1410, Error degrees of freedom: 1408
Root Mean Squared Error: 4.39
R-squared: 0.000508,  Adjusted R-Squared: -0.000202
F-statistic vs. constant model: 0.715, p-value = 0.398

这些值显示了线性模型的估计回归系数以及其他统计参数。

另请参阅

函数