Detaillierte Erläuterung des auf PHP basierenden Simulationskurvenalgorithmus

In diesem Artikel wird hauptsächlich der auf PHP basierende Simulationsalgorithmus für die multiple lineare Regression vorgestellt. Er analysiert das Prinzip des Simulationskurvenalgorithmus für die multiple lineare Regression anhand spezifischer Beispiele Ich hoffe, es kann allen helfen.

Multiples lineares Regressionsmodell: y = b1x1 + b2x2 + b3x3 +... +bnxn;

Wir basieren auf einem Datensatz: ähnlich wie arr_x = [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10], [11, 12, 13, 14, 15]]; ; Was wir schließlich finden wollen, ist ein Array, einschließlich von b1 bis bn;

Methode: Verwenden Sie die Methode der kleinsten Quadrate

Formel: Wir verwenden nur die erste Hälfte der Formel, Das heißt, verwenden Sie eine Matrix, um

zu berechnen, aber es sollte vertikal geschrieben werden.

Dann werden wir gemäß der Formel feststellen, dass wir Matrixmultiplikation, Transposition und Inversion verwenden müssen, sodass die folgenden Codes nacheinander angegeben werden:

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;
}

Die letzte getParams()-Methode ist die letzte Methode, um das b-Parameter-Array zu finden. Übergeben Sie einfach ein zweidimensionales Array arr_x und ein eindimensionales Array arr_y.

Dies wird im Allgemeinen für Big-Data-Analysen verwendet, um die folgenden Entwicklungen und Trends basierend auf Big Data zu simulieren und vorherzusagen.

Verwandte Empfehlungen:

Mit CSS Bezier-Kurven erstellen

Sprechen Sie über die aktuelle Situation, Aussichten und Möglichkeiten des Kurvenzeichnens

Wie man mit PHP Sinus- und Cosinuskurven auf Bildern zeichnet

Das obige ist der detaillierte Inhalt vonDetaillierte Erläuterung des auf PHP basierenden Simulationskurvenalgorithmus. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!