本文實例講述了基于PHP實現的多元線性回歸模擬曲線算法。分享給大家供大家參考，具體如下：

多元線性回歸模型： y = b1x1 + b2x2 + b3x3 +...... +bnxn;

我們根據一組數據： 類似 arr_x = [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10], [11, 12, 13, 14, 15]]; arr_y = [5, 10, 15]; 我們最后要求出的是一個數組，包含了從b1 到bn；

方法：利用最小二乘法

公式：我們只用公式的前半部分，也就是用矩陣來計算

式中的X就是arr_x，二維數組我們可以把它看成是一個矩陣，式中的y就是arr_y，也把它看成一個矩陣(5, 10, 15) ,不過應該是豎著寫的。

然后可以根據公式我們會發現要用到矩陣的相乘，轉置，求逆；所以下面的代碼一一給出：

html' target='_blank'>public function get_complement($data, $i, $j) { /* x和y為矩陣data的行數和列數 */ $x = count($data); $y = count($data[0]); /* data2為所求剩余矩陣 */ $data2 =[]; for ($k = 0; $k $x -1; $k++) { if ($k $i) { for ($kk = 0; $kk $y -1; $kk++) { if ($kk $j) { $data2[$k][$kk] = $data[$k][$kk]; } else { $data2[$k][$kk] = $data[$k][$kk +1]; } else { for ($kk = 0; $kk $y -1; $kk++) { if ($kk $j) { $data2[$k][$kk] = $data[$k +1][$kk]; } else { $data2[$k][$kk] = $data[$k +1][$kk +1]; return $data2;/* 計算矩陣行列式 */public function cal_det($data) { $ans = 0; if (count($data[0]) === 2) { $ans = $data[0][0] * $data[1][1] - $data[0][1] * $data[1][0]; } else { for ($i = 0; $i count($data[0]); $i++) { $data_temp = $this- get_complement($data, 0, $i); if ($i % 2 === 0) { $ans = $ans + $data[0][$i] * ($this- cal_det($data_temp)); } else { $ans = $ans - $data[0][$i] * ($this- cal_det($data_temp)); return $ans;/*計算矩陣的伴隨矩陣*/public function ajoint($data) { $m = count($data); $n = count($data[0]); $data2 =[]; for ($i = 0; $i $i++) { for ($j = 0; $j $j++) { if (($i + $j) % 2 === 0) { $data2[$i][$j] = $this- cal_det($this- get_complement($data, $i, $j)); } else { $data2[$i][$j] = - $this- cal_det($this- get_complement($data, $i, $j)); return $this- trans($data2);/*轉置矩陣*/public function trans($data) { $i = count($data); $j = count($data[0]); $data2 =[]; for ($k2 = 0; $k2 $k2++) { for ($k1 = 0; $k1 $k1++) { $data2[$k2][$k1] = $data[$k1][$k2]; /*將矩陣轉置便可得到伴隨矩陣*/ return $data2;/*求矩陣的逆，輸入參數為原矩陣*/public function inv($data) { $m = count($data); $n = count($data[0]); $data2 =[]; $det_val = $this- cal_det($data); $data2 = $this- ajoint($data); for ($i = 0; $i $i++) { for ($j = 0; $j $j++) { $data2[$i][$j] = $data2[$i][$j] / $det_val; return $data2;/*求兩矩陣的乘積*/public function getProduct($data1, $data2) { /*$data1 為左乘矩陣*/ $m1 = count($data1); $n1 = count($data1[0]); $m2 = count($data2); $n2 = count($data2[0]); $data_new =[]; if ($n1 !== $m2) { return false; } else { for ($i = 0; $i = $m1 -1; $i++) { for ($k = 0; $k = $n2 -1; $k++) { $data_new[$i][$k] = 0; for ($j = 0; $j = $n1 -1; $j++) { $data_new[$i][$k] += $data1[$i][$j] * $data2[$j][$k]; return $data_new;/*多元線性方程*/public function getParams($arr_x, $arr_y) { $final =[]; $arr_x_t = $this- trans($arr_x); $result = $this- getProduct($this- getProduct($this- inv($this- getProduct($arr_x_t, $arr_x)), $arr_x_t), $arr_y); foreach ($result as $key = $val) { foreach ($val as $_k = $_v) { $final[] = $_v; return $final;}

最后的getParams()方法就是最后求b參數數組的方法，傳入一個二維數組arr_x， 和一個一維數組arr_y就可以了。

這一般用于大數據分析，根據大數據來模擬和預測下面的發展和走勢。

PS：這里為大家推薦兩款相關模擬曲線工具供大家參考：

在線多項式曲線及曲線函數擬合工具：
http://tools.jb51.net/jisuanqi/create_fun

在線繪制多項式/函數曲線圖形工具：
http://tools.jb51.net/jisuanqi/fun_draw

PHP雙向鏈表定義與用法示例php技巧

PHP運用foreach神奇的轉換數組(實例講解)php實例

基于php雙引號中訪問數組元素報錯的解決方法php技巧

以上就是基于PHP實現的多元線性回歸模擬曲線算法php技巧的詳細內容，PHP教程

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。