本文主要和大家介紹基於PHP實現的多元線性迴歸模擬曲線演算法,結合具體實例形式分析了多元線性迴歸模擬曲線演算法的原理與相關php實現技巧,需要的朋友可以參考下，希望能幫助到大家。
多元線性迴歸模型：y = b1x1 + b2x2 + b3x3 +...... +bnxn;
我們根據一組資料： 類似 arr_x = [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10], [11, 12, 13, 14, 15]]; arr_y = [5, 10, 15]; 我們最後要求出的是一個數組，包含了從b1 到bn；
方法：利用最小二乘法
#公式：
我們只用公式的前半部分，也就是用矩陣來計算
式中的X就是arr_x，二維數組我們可以把它看成是一個矩陣，式中的y就是arr_y，也把它看成一個矩陣(5, 10 , 15) ,不過應該是豎著寫的。
然後可以根據公式我們會發現要用到矩陣的相乘，轉置，求逆；所以下面的程式碼一一給出：
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;
}最後的getParams()方法就是最後求b參數數組的方法，傳入一個二維數組arr_x， 和一個一維數組arr_y就可以了。
這一般用於大數據分析，根據大數據來模擬和預測下面的發展和走勢。
相關推薦：
以上是基於PHP實現模擬曲線演算法詳解的詳細內容。更多資訊請關注PHP中文網其他相關文章！
