最小二乗線形回帰

解を近似するために最小二乗を使う線形モデル。

学習

モデルを訓練するには、単純に標本と目的の値を(arrayとして)渡します。例:

$samples = [[60], [61], [62], [63], [65]];
$targets = [3.1, 3.6, 3.8, 4, 4.1];

$regression = new LeastSquares();
$regression->train($samples, $targets);

複数のデータセットを使ってモデルを訓練することができます。予測は全ての訓練データに基づきます。

予測

標本の目的値を予測するには、(arrayとして)調査をする標本と一緒にpredict メソッドを使います。例:

$regression->predict([64]);
// return 4.06

複合線形回帰

線形回帰に付いている複合という単語は、2つ以上の標本パラメータが目的を予測するために使われることを意味します。例えば、以下のように使うことができます: 車の価格を予測するための燃費と生産年度。

$samples = [[73676, 1996], [77006, 1998], [10565, 2000], [146088, 1995], [15000, 2001], [65940, 2000], [9300, 2000], [93739, 1996], [153260, 1994], [17764, 2002], [57000, 1998], [15000, 2000]];
$targets = [2000, 2750, 15500, 960, 4400, 8800, 7100, 2550, 1025, 5900, 4600, 4400];

$regression = new LeastSquares();
$regression->train($samples, $targets);
$regression->predict([60000, 1996])
// return 4094.82

切片と係数

モデルを訓練した後で、切片と係数の配列を取得することができます。

$regression->getIntercept();
// return -7.9635135135131

$regression->getCoefficients();
// return [array(1) {[0]=>float(0.18783783783783)}]