Adattare un modello di regressione lineare
Questo esempio mostra come adattare un modello di regressione lineare per i dati nel tuo canale ThingSpeak™ e calcolare i coefficienti di regressione nei dati.
Leggi i dati dal canale ThingSpeak della stazione meteorologica
Il canale ThingSpeak 12397 contiene i dati della stazione meteorologica MathWorks® , situata a Natick, Massachusetts. I dati vengono raccolti una volta ogni minuto. I campi 3 e 4 contengono rispettivamente i dati di umidità e temperatura. Leggere i dati dell'ultimo giorno dal canale 12397 utilizzando la funzione thingSpeakRead
.
data = thingSpeakRead(12397,'NumDays',1,'Fields',[3 4],'outputFormat','table');
Calcolare il modello di regressione lineare
Descrivere la relazione lineare tra una risposta (umidità) e uno o più termini predittivi (temperatura). Ad esempio, "Umidità ~ 1 + TemperaturaF" descrive un modello lineare a due variabili che mette in relazione l'umidità con la temperatura insieme a un'intercetta.
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
I valori mostrano i coefficienti di regressione stimati per il modello lineare insieme ad altri parametri statistici.
Vedi anche
Funzioni
fitlm
(Statistics and Machine Learning Toolbox) |thingSpeakRead