Main Content

Questa pagina è stata tradotta con la traduzione automatica. Fai clic qui per vedere l’originale in inglese.

Adattare un modello di regressione lineare

Questo esempio utilizza:

Apri script

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