5

我试图使用公共数学来计算多项式中的常数。看起来该例程存在，但我收到此错误。有没有人看到这个问题？

我试图将这个问题转换为 commons-math： https ://math.stackexchange.com/questions/121212/how-to-find-curve-equation-from-data

通过绘制数据（Wolfram|Alpha 链接），它看起来不是线性的。所以最好用多项式拟合。我假设您想要拟合数据：

XY 1 4 2 8 3 13 4 18 5 24 .. 使用二次多项式 y=ax2+bx+c。

wolfram alpha 提供了一个很好的实用程序。我希望我能得到与 wolfram 相同的答案。

http://www.wolframalpha.com/input/?i=fit+4%2C+8%2C+13%2C

例如，通过输入该数据，我会得到：4.5 x-0.666667（线性）

这是代码和错误：

import org.apache.commons.math3.stat.regression.OLSMultipleLinearRegression;
import org.apache.commons.math3.stat.regression.SimpleRegression;
final OLSMultipleLinearRegression regression2 = new OLSMultipleLinearRegression();
double[] y = {
        4.0, 
        8, 
        13,                 
};      
double[][] x2 = 
    {
        { 1.0, 1, 1  },
        { 1.0, 2, 4  },
        { 0.0, 3, 9  },             
    };
regression2.newSampleData(y, x2);
regression2.setNoIntercept(true);
regression2.newSampleData(y, x2);       
double[] beta = regression2.estimateRegressionParameters();
for (double d : beta) {
    System.out.println("D: " + d);
}

线程“主”org.apache.commons.math3.exception.MathIllegalArgumentException 中的异常：在 org.apache.commons.math3.stat.regression.AbstractMultipleLinearRegression.validateSampleData( AbstractMultipleLinearRegression.java:236) at org.apache.commons.math3.stat.regression.OLSMultipleLinearRegression.newSampleData(OLSMultipleLinearRegression.java:70) at org.berlin.bot.algo.BruteForceSort.main(BruteForceSort.java:108)

4

2 回答 2

4

validateSampleData() 的 javadoc 指出，二维数组的行数必须至少多于列数。

http://commons.apache.org/proper/commons-math/javadocs/api-3.3/org/apache/commons/math3/stat/regression/AbstractMultipleLinearRegression.html

于 2013-01-26T03:41:16.637 回答
0

Rcook 是对的。我提供了一个额外的行（测试用例），它产生了与 wolfram/alpha 相同的答案。

D: 0.24999999999999822 D: 3.4500000000000033 D: 0.24999999999999914

或 0.25x^2 + 3.45x + 0.25

final OLSMultipleLinearRegression regression2 = new OLSMultipleLinearRegression();
        double[] y = {
                4, 
                8, 
                13,         
                18
        };              
        double[][] x2 = 
            {
                { 1, 1, 1  },
                { 1, 2, 4  },
                { 1, 3, 9  },                                                               
                { 1, 4, 16  },
            };

        regression2.newSampleData(y, x2);
        regression2.setNoIntercept(true);
        regression2.newSampleData(y, x2);       
        double[] beta = regression2.estimateRegressionParameters();
        for (double d : beta) {
            System.out.println("D: " + d);
        }
于 2013-01-26T04:13:15.680 回答