Main Content

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

線形回帰モデルによる近似

この例では、ThingSpeak™ チャネルのデータを線形回帰モデルで近似し、データの回帰係数を計算する方法を説明します。

メモ

この例を実行するには、Statistics and Machine Learning Toolbox を使用するライセンスの与えられた MathWorks アカウントにログインしていなければなりません。

気象計の ThingSpeak チャネルからのデータの読み取り

ThingSpeak のチャネル 12397 には、マサチューセッツ州ネイティックにある MathWorks® の気象計のデータが含まれています。データは 1 分ごとに収集されます。Field 3 と 4 には、それぞれ湿度と温度のデータが含まれています。関数 thingSpeakRead を使用して、チャネル 12397 から直近の日のデータを読み取ります。

data = thingSpeakRead(12397,'NumDays',1,'Fields',[3 4],'outputFormat','table');

線形回帰モデルの計算

応答 (湿度) と 1 つ以上の予測項 (温度) の間の線形関係を記述します。たとえば、'Humidity ~ 1 + Temperature' は、湿度を温度と切片に関係付ける 2 変数の線形モデルを表しています。

mdl = fitlm(data, 'Humidity~Temperature')
mdl = 


Linear regression model:
    Humidity ~ 1 + Temperature

Estimated Coefficients:
                    Estimate       SE        tStat       pValue  
                    ________    _________    ______    __________

    (Intercept)      1.9707        0.5707    3.4531    0.00057068
    Temperature     0.57697     0.0086566     66.65             0


Number of observations: 1411, Error degrees of freedom: 1409
Root Mean Squared Error: 12.7
R-squared: 0.759,  Adjusted R-Squared 0.759
F-statistic vs. constant model: 4.44e+03, p-value = 0

これらの値は、線形モデルの推定回帰係数と、他の統計パラメーターを示しています。

参考

関数