趋势线（回归，曲线拟合）Java库

Question

趋势线（回归，曲线拟合）Java库

javamathstatisticsregression

16

我正在开发一个应用程序，计算与Excel相同的趋势线，但针对更大的数据集。

enter image description here

但我找不到任何Java库来计算这些回归。对于线性模型，我使用Apache Commons math，对于其他模型，Michael Thomas Flanagan有一个很好的数值库，但自一月以来它不再可用：

http://www.ee.ucl.ac.uk/~mflanaga/java/

您是否知道其他库或代码存储库可以在Java中计算这些回归。最好,

- Fgblanch

为什么不自己动手写呢？至少数学编程起来还算容易，对吧？换句话说，“你尝试过什么？” - Shark

3个回答

4

除了maybeWeCouldStealAVa提到的内容；

commons-math3库也可以在maven repository中找到。

当前版本为3.2，依赖标签为：

    <dependency>
        <groupId>org.apache.commons</groupId>
        <artifactId>commons-math3</artifactId>
        <version>3.2</version>
    </dependency>

- Martin Åberg

4

您可以使用org.apache.commons.math3.analysis.interpolation中提供的不同类型的插值器，包括线性插值器、Loess插值器和Neville插值器等。

- Alexander Serebrenik

FYI。更新链接。Math4。https://commons.apache.org/proper/commons-math/apidocs/org/apache/commons/math4/analysis/interpolation/package-tree.html - Wpigott

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- maybeWeCouldStealAVan · Accepted Answer

由于它们都基于线性拟合，因此OLSMultipleLinearRegression是您需要的所有线性、多项式、指数、对数和幂趋势线。

您的问题给了我一个借口下载并使用commons math回归工具，并且我编写了一些趋势线工具：

一个接口：

public interface TrendLine {
    public void setValues(double[] y, double[] x); // y ~ f(x)
    public double predict(double x); // get a predicted y for a given x
}

一个用于回归趋势线的抽象类：

public abstract class OLSTrendLine implements TrendLine {

    RealMatrix coef = null; // will hold prediction coefs once we get values

    protected abstract double[] xVector(double x); // create vector of values from x
    protected abstract boolean logY(); // set true to predict log of y (note: y must be positive)

    @Override
    public void setValues(double[] y, double[] x) {
        if (x.length != y.length) {
            throw new IllegalArgumentException(String.format("The numbers of y and x values must be equal (%d != %d)",y.length,x.length));
        }
        double[][] xData = new double[x.length][]; 
        for (int i = 0; i < x.length; i++) {
            // the implementation determines how to produce a vector of predictors from a single x
            xData[i] = xVector(x[i]);
        }
        if(logY()) { // in some models we are predicting ln y, so we replace each y with ln y
            y = Arrays.copyOf(y, y.length); // user might not be finished with the array we were given
            for (int i = 0; i < x.length; i++) {
                y[i] = Math.log(y[i]);
            }
        }
        OLSMultipleLinearRegression ols = new OLSMultipleLinearRegression();
        ols.setNoIntercept(true); // let the implementation include a constant in xVector if desired
        ols.newSampleData(y, xData); // provide the data to the model
        coef = MatrixUtils.createColumnRealMatrix(ols.estimateRegressionParameters()); // get our coefs
    }

    @Override
    public double predict(double x) {
        double yhat = coef.preMultiply(xVector(x))[0]; // apply coefs to xVector
        if (logY()) yhat = (Math.exp(yhat)); // if we predicted ln y, we still need to get y
        return yhat;
    }
}

多项式或线性模型的实现：

（对于线性模型，只需在调用构造函数时将度数设置为1即可。）

public class PolyTrendLine extends OLSTrendLine {
    final int degree;
    public PolyTrendLine(int degree) {
        if (degree < 0) throw new IllegalArgumentException("The degree of the polynomial must not be negative");
        this.degree = degree;
    }
    protected double[] xVector(double x) { // {1, x, x*x, x*x*x, ...}
        double[] poly = new double[degree+1];
        double xi=1;
        for(int i=0; i<=degree; i++) {
            poly[i]=xi;
            xi*=x;
        }
        return poly;
    }
    @Override
    protected boolean logY() {return false;}
}

指数和幂模型更容易：

注意：我们现在预测的是对数 y，这很重要。这两种模型都只适用于正 y。

public class ExpTrendLine extends OLSTrendLine {
    @Override
    protected double[] xVector(double x) {
        return new double[]{1,x};
    }

    @Override
    protected boolean logY() {return true;}
}

并且

public class PowerTrendLine extends OLSTrendLine {
    @Override
    protected double[] xVector(double x) {
        return new double[]{1,Math.log(x)};
    }

    @Override
    protected boolean logY() {return true;}

}

同时还有一个对数模型：

(该模型将x取对数，但预测的不是ln y，而是y)

public class LogTrendLine extends OLSTrendLine {
    @Override
    protected double[] xVector(double x) {
        return new double[]{1,Math.log(x)};
    }

    @Override
    protected boolean logY() {return false;}
}

你可以这样使用：

public static void main(String[] args) {
    TrendLine t = new PolyTrendLine(2);
    Random rand = new Random();
    double[] x = new double[1000*1000];
    double[] err = new double[x.length];
    double[] y = new double[x.length];
    for (int i=0; i<x.length; i++) { x[i] = 1000*rand.nextDouble(); }
    for (int i=0; i<x.length; i++) { err[i] = 100*rand.nextGaussian(); } 
    for (int i=0; i<x.length; i++) { y[i] = x[i]*x[i]+err[i]; } // quadratic model
    t.setValues(y,x);
    System.out.println(t.predict(12)); // when x=12, y should be... , eg 143.61380202745192
}

既然你只需要趋势线，当我完成ols模型后就将其排除了，但你可能需要保留一些关于拟合度等数据。

对于使用移动平均，移动中位数等实现，看起来你可以继续使用commons math。尝试使用DescriptiveStatistics并指定一个窗口。你可能需要进行一些平滑处理，使用另一个答案中建议的插值方法。