このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。
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
fitlm
(Statistics and Machine Learning Toolbox) |thingSpeakRead