Ajuster un modèle de régression linéaire
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
fitlm
(Statistics and Machine Learning Toolbox) |thingSpeakRead