Ajustar un modelo de regresión lineal
Este ejemplo muestra cómo ajustar un modelo de regresión lineal para datos en su canal ThingSpeak™ y calcular los coeficientes de regresión en los datos.
Leer datos del canal ThingSpeak de la estación meteorológica
El canal ThingSpeak 12397 contiene datos de la estación meteorológica MathWorks®, ubicada en Natick, Massachusetts. Los datos se recopilan una vez por minuto. Los campos 3 y 4 contienen datos de humedad y temperatura, respectivamente. Lea los datos del último día del canal 12397 usando la función thingSpeakRead .
data = thingSpeakRead(12397,'NumDays',1,'Fields',[3 4],'outputFormat','table');
Calcular el modelo de regresión lineal
Describir la relación lineal entre una respuesta (humedad) y uno o más términos predictivos (temperatura). Por ejemplo, 'Humedad ~ 1 + TemperaturaF' describe un modelo lineal de dos variables que relaciona la humedad con la temperatura junto con una intersección.
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
Los valores muestran los coeficientes de regresión estimados para el modelo lineal junto con otros parámetros estadísticos.
Consulte también
Funciones
fitlm(Statistics and Machine Learning Toolbox) |thingSpeakRead
