Main Content

このページは機械翻訳を使用して翻訳されました。元の英語を参照するには、ここをクリックします。

線形回帰モデルによる近似

この例では次を使用します。

スクリプトを開く

この例では、 ThingSpeak™チャネル内のデータの線形回帰モデルを近似し、データの回帰係数を計算する方法を示します。

気象観測所のThingSpeakチャネルからデータを読み取る

ThingSpeak 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® 気象計から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。フィールド 3 と 4 には、それぞれ湿度と温度のデータが含まれます。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) の間の線形関係を説明します。たとえば、「湿度 ~ 1 + 温度 F」は、切片とともに湿度と温度を関連付ける 2 変数線形モデルを記述します。

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

mdl = 


Linear regression model:
    Humidity ~ 1 + TemperatureF

Estimated Coefficients:
                    Estimate       SE        tStat       pValue   
                    ________    ________    _______    ___________

    (Intercept)       49.448      1.7916       27.6    2.1811e-134
    TemperatureF    0.038851    0.045941    0.84567        0.39788


Number of observations: 1410, Error degrees of freedom: 1408
Root Mean Squared Error: 4.39
R-squared: 0.000508,  Adjusted R-Squared: -0.000202
F-statistic vs. constant model: 0.715, p-value = 0.398

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