Main Content

Diese Seite wurde mithilfe maschineller Übersetzung übersetzt. Klicken Sie hier, um die neueste Version auf Englisch zu sehen.

Passen Sie ein lineares Regressionsmodell an

In diesem Beispiel verwendet:

Script öffnen

Dieses Beispiel zeigt, wie Sie ein lineares Regressionsmodell für Daten in Ihrem ThingSpeak™ -Kanal anpassen und die Regressionskoeffizienten in den Daten berechnen.

Lesen Sie Daten vom ThingSpeak Kanal der Wetterstation

ThingSpeak Kanal 12397 enthält Daten von der MathWorks® Wetterstation in Natick, Massachusetts. Die Daten werden einmal pro Minute erfasst. Feld 3 und 4 enthalten jeweils Feuchtigkeits- und Temperaturdaten. Lesen Sie die Daten des letzten Tages von Kanal 12397 mit der Funktion thingSpeakRead .

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

Berechnen Sie das lineare Regressionsmodell

Beschreiben Sie die lineare Beziehung zwischen einer Reaktion (Feuchtigkeit) und einem oder mehreren Vorhersagetermen (Temperatur). Beispielsweise beschreibt „Luftfeuchtigkeit ~ 1 + TemperaturF“ ein lineares Modell mit zwei Variablen, das die Luftfeuchtigkeit mit der Temperatur zusammen mit einem Achsenabschnitt in Beziehung setzt.

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

Die Werte zeigen die geschätzten Regressionskoeffizienten für das lineare Modell zusammen mit anderen statistischen Parametern.

Siehe auch

Funktionen