多元线性回归（java实现）

import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;public class LinearRegression {/** 训练数据示例：*   x0        x1        x2        y1.0       1.0       2.0       7.21.0       2.0       1.0       4.91.0       3.0       0.0       2.61.0       4.0       1.0       6.31.0       5.0      -1.0       1.01.0       6.0       0.0       4.71.0       7.0      -2.0      -0.6注意！！！！x1，x2，y三列是用户实际输入的数据，x0是为了推导出来的公式统一，特地补上的一列。x0,x1,x2是“特征”，y是结果h(x) = theta0 * x0 + theta1* x1 + theta2 * x2theta0,theta1,theta2 是想要训练出来的参数此程序采用“梯度下降法”**/private double [][] trainData;//训练数据，一行一个数据，每一行最后一个数据为 yprivate int row;//训练数据  行数private int column;//训练数据 列数private double [] theta;//参数thetaprivate double alpha;//训练步长private int iteration;//迭代次数public LinearRegression(String fileName){int rowoffile=getRowNumber(fileName);//获取输入训练数据文本的   行数int columnoffile = getColumnNumber(fileName);//获取输入训练数据文本的   列数trainData = new double[rowoffile][columnoffile+1];//这里需要注意，为什么要+1，因为为了使得公式整齐，我们加了一个特征x0，x0恒等于1this.row=rowoffile;this.column=columnoffile+1;this.alpha = 0.001;//步长默认为0.001this.iteration=100000;//迭代次数默认为 100000theta = new double [column-1];//h(x)=theta0 * x0 + theta1* x1 + theta2 * x2 + .......initialize_theta();loadTrainDataFromFile(fileName,rowoffile,columnoffile);}public LinearRegression(String fileName,double alpha,int iteration){int rowoffile=getRowNumber(fileName);//获取输入训练数据文本的   行数int columnoffile = getColumnNumber(fileName);//获取输入训练数据文本的   列数trainData = new double[rowoffile][columnoffile+1];//这里需要注意，为什么要+1，因为为了使得公式整齐，我们加了一个特征x0，x0恒等于1this.row=rowoffile;this.column=columnoffile+1;this.alpha = alpha;this.iteration=iteration;theta = new double [column-1];//h(x)=theta0 * x0 + theta1* x1 + theta2 * x2 + .......initialize_theta();loadTrainDataFromFile(fileName,rowoffile,columnoffile);}private int getRowNumber(String fileName){int count =0;File file = new File(fileName);BufferedReader reader = null;try {reader = new BufferedReader(new FileReader(file));while ( reader.readLine() != null)count++;reader.close();} catch (IOException e) {e.printStackTrace();} finally {if (reader != null) {try {reader.close();} catch (IOException e1) {}}}return count;}private int getColumnNumber(String fileName){int count =0;File file = new File(fileName);BufferedReader reader = null;try {reader = new BufferedReader(new FileReader(file));String tempString = reader.readLine();if(tempString!=null)count = tempString.split(" ").length;reader.close();} catch (IOException e) {e.printStackTrace();} finally {if (reader != null) {try {reader.close();} catch (IOException e1) {}}}return count;}private void initialize_theta()//将theta各个参数全部初始化为1.0{for(int i=0;i<theta.length;i++)theta[i]=1.0;}public void trainTheta(){int iteration = this.iteration;while( (iteration--)>0 ){//对每个theta i 求 偏导数double [] partial_derivative = compute_partial_derivative();//偏导数//更新每个thetafor(int i =0; i< theta.length;i++)theta[i]-= alpha * partial_derivative[i];}}private double [] compute_partial_derivative(){double [] partial_derivative = new double[theta.length];for(int j =0;j<theta.length;j++)//遍历，对每个theta求偏导数{partial_derivative[j]= compute_partial_derivative_for_theta(j);//对 theta i 求 偏导}return partial_derivative;}private double compute_partial_derivative_for_theta(int j){double sum=0.0;for(int i=0;i<row;i++)//遍历 每一行数据{sum+=h_theta_x_i_minus_y_i_times_x_j_i(i,j);}return sum/row;}private double h_theta_x_i_minus_y_i_times_x_j_i(int i,int j){double[] oneRow = getRow(i);//取一行数据，前面是feature，最后一个是ydouble result = 0.0;for(int k=0;k< (oneRow.length-1);k++)result+=theta[k]*oneRow[k];result-=oneRow[oneRow.length-1];result*=oneRow[j];return result;}private double [] getRow(int i)//从训练数据中取出第i行，i=0，1，2，。。。，（row-1）{return trainData[i];}private void loadTrainDataFromFile(String fileName,int row, int column){for(int i=0;i< row;i++)//trainData的第一列全部置为1.0（feature x0）trainData[i][0]=1.0;File file = new File(fileName);BufferedReader reader = null;try {reader = new BufferedReader(new FileReader(file));String tempString = null;int counter = 0;while ( (counter<row) && (tempString = reader.readLine()) != null) {String [] tempData = tempString.split(" ");for(int i=0;i<column;i++)trainData[counter][i+1]=Double.parseDouble(tempData[i]);counter++;}reader.close();} catch (IOException e) {e.printStackTrace();} finally {if (reader != null) {try {reader.close();} catch (IOException e1) {}}}}public void printTrainData(){System.out.println("Train Data:\n");for(int i=0;i<column-1;i++)System.out.printf("%10s","x"+i+" ");System.out.printf("%10s","y"+" \n");for(int i=0;i<row;i++){for(int j=0;j<column;j++){System.out.printf("%10s",trainData[i][j]+" ");}System.out.println();}System.out.println();}public void printTheta(){for(double a:theta)System.out.print(a+" ");}}

测试类：

public class TestLinearRegression {public static void main(String[] args) {// TODO Auto-generated method stubLinearRegression m = new LinearRegression("trainData",0.001,1000000);m.printTrainData();m.trainTheta();m.printTheta();}}

参考地址：

https://www.bbsmax.com/A/xl563Y21dr/

多元线性回归（java实现）相关推荐

java 线性回归_多元线性回归----Java简单实现
import java.io.BufferedReader; import java.io.File; import java.io.FileReader; import java.io.IOExce ...
基于多元线性回归去除图片水印（Java版）
前提采集的图片有淡淡的水印,为了避免不必要的麻烦,需要淡化或去除水印.图片如下所示: Java自带的工具可以对图片指定位置(x,y)的颜色(r,g,b)进行替换.如果图片上下左右颜色一致,则可进行颜 ...
java算多元回归方程_java多元线性回归算法
多元线性回归的计算方法摘要在实际经济问题中,一个变量往往受到多个变量的影响.例... STLyy UQ 在多元线性回归分析中,回归平方和表示的是所有 k 个自变量对 y 的变差的总影响,它可以按公 ...
机器学习第3天：多元线性回归
文章目录一.具体实现步骤第1步:数据预处理导入库导入数据集将类别数据数字化躲避虚拟变量陷阱拆分数据集为训练集和测试集第2步: 在训练集上训练多元线性回归模型第3步:在测试集上预测结果 ...
android 揭示动画_遗传编程揭示具有相互作用的多元线性回归
android 揭示动画 We all had some sort of experience with linear regression. It's one of the most used re ...
机器学习多元线性回归_过度简化的机器学习（1）：多元回归
机器学习多元线性回归 The term machine learning may sound provocative. Machines do not learn like humans do. Ho ...
多元线性回归分析c语言,多元线性回归公式推导及R语言实现
多元线性回归多元线性回归模型实际中有很多问题是一个因变量与多个自变量成线性相关,我们可以用一个多元线性回归方程来表示. 为了方便计算,我们将上式写成矩阵形式: Y = XW 假设自变量维度为N W ...
多元线性回归之Spss实现
我们还以上篇中的数据来进行多元线性回归的分析及说明: 首先来看引入一个变量时候,也就是分析不良贷款和各项贷款余额的回归分析,这里只做对比用,详细的分析结果可以上上一篇博客: 引入两个自变量时,各年贷款 ...
多元线性回归最小二乘法及其应用
Cholesky分解求系数参考: [1]冯天祥. 多元线性回归最小二乘法及其经济分析[J]. 经济师,2003,11:129. 还可以采用最小二乘法来估计参数: 算法设计也可以参考两种系数最终公式设计 ...
TensorFlow多元线性回归实现
TensorFlow实现多元线性回归多元线性回归的具体实现导入需要的所有软件包: 因为各特征的数据范围不同,需要归一化特征数据.为此定义一个归一化函数.另外,这里添加一个额外的固定输入值将权重和偏 ...

多元线性回归（java实现）

多元线性回归（java实现）相关推荐

最新文章

热门文章