Passen Sie ein lineares Regressionsmodell an
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
fitlm
(Statistics and Machine Learning Toolbox) |thingSpeakRead