14

我正在尝试开发一个应用程序来计算与 excel 相同的趋势线,但适用于更大的数据集。

在此处输入图像描述

但我找不到任何计算此类回归的 java 库。对于 linera 模型,我使用的是 Apache Commons 数学,而对于另一个模型,Michael Thomas Flanagan 提供了一个很棒的数值库,但自 1 月以来它不再可用:

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

你知道在java中计算这些回归的任何其他库、代码库吗?最好的,

4

3 回答 3

40

由于它们都基于线性拟合,OLSMultipleLinearRegression 是线性、多项式、指数、对数和幂趋势线所需的一切。

你的问题给了我一个下载和使用公共数学回归工具的借口,我整理了一些趋势线工具:

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
}

基于回归的趋势线的抽象类:

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。)

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:我们现在正在预测 log y——这很重要。这两个都只适用于正 y)

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

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

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

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

}

和一个日志模型:

(它采用 x 的对数但预测 y,而不是 ln 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;}
}

你可以像这样使用它:

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
}

由于您只需要趋势线,因此我在完成 ols 模型后将其关闭,但您可能希望保留一些拟合优度等数据。

对于使用移动平均线、移动中位数等的实现,看起来你可以坚持使用公共数学。尝试DescriptiveStatistics并指定一个窗口。您可能想要使用另一个答案中建议的插值进行一些平滑处理。

于 2013-07-13T22:20:05.097 回答
4

您可以使用 中可用的不同类型的插值org.apache.commons.math3.analysis.interpolation器,包括 LinearInterpolator、LoessInterpolator 和 NevilleInterpolator。

于 2013-07-13T09:55:50.780 回答
4

除了也许WeCouldStealAVa 说的话;

commons-math3 库也可以在maven 存储库中找到。

当前版本是 3.2,依赖标签是:

    <dependency>
        <groupId>org.apache.commons</groupId>
        <artifactId>commons-math3</artifactId>
        <version>3.2</version>
    </dependency>
于 2013-10-01T22:04:33.170 回答