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、 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
fitlm
(Statistics and Machine Learning Toolbox) |thingSpeakRead