Cette page a été traduite par traduction automatique. Cliquez ici pour voir la dernière version en anglais.

Ajuster un modèle de régression linéaire

Cet exemple utilise :

Ouvrir le script

Cet exemple montre comment ajuster un modèle de régression linéaire pour les données de votre canal ThingSpeak ™ et calculer les coefficients de régression dans les données.

Lire les données de la station météo ThingSpeak Channel

Le canal ThingSpeak 12397 contient les données de la station météo MathWorks®, située à Natick, Massachusetts. Les données sont collectées une fois par minute. Les champs 3 et 4 contiennent respectivement les données d'humidité et de température. Lisez les données du dernier jour du canal 12397 à l'aide de la fonction thingSpeakRead.

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

Calculer le modèle de régression linéaire

Décrire la relation linéaire entre une réponse (humidité) et un ou plusieurs termes prédictifs (température). Par exemple, "Humidité ~ 1 + TempératureF" décrit un modèle linéaire à deux variables reliant l'humidité à la température avec une interception.

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

Les valeurs montrent les coefficients de régression estimés pour le modèle linéaire ainsi que d'autres paramètres statistiques.

Voir aussi

Fonctions