多元线性回归matlab代码

以下是一个简单的多元线性回归的 Matlab 代码示例：

% 多元线性回归示例
% 假设我们有三个自变量 x1、x2 和 x3，以及一个因变量 y

% 输入数据
x1 = [1, 2, 3, 4, 5]';
x2 = [2, 4, 6, 8, 10]';
x3 = [3, 6, 9, 12, 15]';
y = [5, 10, 15, 20, 25]';

% 构建设计矩阵 X
X = [ones(size(x1)), x1, x2, x3];

% 计算回归系数
beta = inv(X’ * X) * X’ * y;

% 输出结果
disp(‘回归系数：’);
disp(beta);

% 预测新数据
x1_new = 6;
x2_new = 12;
x3_new = 18;
y_pred = beta(1) + beta(2) * x1_new + beta(3) * x2_new + beta(4) * x3_new;
disp(‘预测结果：’);
disp(y_pred);

以上代码实现了一个简单的多元线性回归模型，包括输入数据、构建设计矩阵、计算回归系数、预测新数据等步骤。

具体来说，我们假设有三个自变量 x1、x2 和 x3，以及一个因变量 y。我们首先将输入数据存储在向量 x1、x2、x3 和 y 中，然后构建设计矩阵 X，其中第一列为常数项 1，其余列为自变量 x1、x2 和 x3。接着，我们使用最小二乘法计算回归系数 beta，即 beta = inv(X’ * X) * X’ * y。最后，我们可以使用预测公式 y_pred = beta(1) + beta(2) * x1_new + beta(3) * x2_new + beta(4) * x3_new 预测新数据。

需要注意的是，这只是一个简单的示例，实际应用中可能需要更多的数据预处理、模型选择和评估等步骤。同时，还需要注意多元线性回归模型的假设条件，如线性关系、独立性、常数方差和正态分布等。