Julia 线性回归答案

【问题标题】：Julia Linear RegressionJulia 线性回归
【发布时间】：2015-03-15 01:41:45
【问题描述】：

我试图在 Julia 中拟合线性回归。我有一个包含 10 列的数据框。前 9 列是预测变量我称之为 X，最后一列是我称之为 Y 的响应变量

我输入了linreg(X, Y) 但我收到一条错误消息说 linreg 没有匹配 DataFrame 和 DataArray Float 的方法。

我想知道如何解决这个问题。我正在考虑将 X 转换为数据数组

我试过convert(X, Array) 但这也引发了错误： '转换没有匹配转换的方法' 有没有人有什么建议

【问题讨论】：

我只标记了 R 和 python，因为使用 R 和 Python 的人通常熟悉线性回归。所以我认为他们可以提供一些有用的建议。

标签： julia

【解决方案1】：

如果您已经将数据保存在 DataFrame 中，您应该查看 GLM.jl 包。

特别是lm 函数应该做你想做的事情，如果你是一个 R 用户，你会感觉非常熟悉。

如果您发布更多代码（也许您的DataFrame 中的哪些列存储X 和Y）我们可以进一步帮助您。

【讨论】：

【解决方案2】：

更新：在对数组执行标量加法时，必须在 Julia 1.0 中使用 dot 运算符。即y = m*x .+ b

您还可以使用简单的线性代数进行线性回归。这是一个例子：

# Linear Algebra style
# For single linear regresion y= mx .+ b
m = 3.3; b = 2; x = rand(100,1)
y = m * x .+ b
# add noise
yn= y + randn(size(y)) * 0.5

# regression
X = zeros(100,2); X[:,1] = x;  X[:,2] = 1.0
coeff_pred = X\yn

slope =  round(coeff_pred[1], 2)
intercept = round(coeff_pred[2], 2)

println("The real slope is $m, and the predicted slope is $slope")
println("The real intercept is $b, and the predicted slope is $intercept")

【讨论】：

这似乎是线性回归的慢版本，我们不能写一个快的和定制的吗？

【解决方案3】：

您只是使用了convert 错误。正确的语法是convert(T, x)，其内容为：将x 转换为T 类型的值。

所以基本上你需要这样做：

linreg(convert(Array,X),convert(Array,Y))

它应该可以工作。

【讨论】：