Линейная регрессия
[r,m,b] = regression(t,y)
[r,m,b] = regression(t,y,'one')
[r,m,b] = regression(t,y) берет эти аргументы,
t | Целевые данные о матрице или массиве ячеек в общей сложности со строками матрицы |
y | Выходная матрица или данные о массиве ячеек, одного размера |
и возвращает эти выходные параметры,
r | Значения регрессии для каждой из строк матрицы |
m | Наклон регрессии, подходящей для каждой из строк матрицы |
b | Смещение регрессии, подходящей для каждой из строк матрицы |
[r,m,b] = regression(t,y,'one') объединения все строки матрицы перед регрессированием, и возвращают одну скалярную регрессию, наклон и значения смещения.
Обучите feedforward сеть, затем вычислите и постройте регрессию между ее целями и выходные параметры.
[x,t] = simplefit_dataset; net = feedforwardnet(20); net = train(net,x,t); y = net(x); [r,m,b] = regression(t,y)
r = 1.0000
m = 1.0000
b = 1.0878e-04
plotregression(t,y)
