趋势线（回归、曲线拟合）java库

Posted 2023-03-12

【中文标题】趋势线（回归、曲线拟合）java库

【英文标题】：Trend lines ( regression, curve fitting) java library

【发布时间】：2013-07-09 15:38:37

【问题描述】：

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

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，

【问题讨论】：

为什么不推出自己的？至少数学很容易编码，对吧？ IOW What have you tried?

【参考方案1】：

除了也许WeCouldStealAVa所说的；

commons-math3 库也可以在 maven repository 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>

【参考方案2】：

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;

指数和幂模型更简单：

（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;

和

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

    @Override
    protected boolean logY() return true;

还有一个日志模型：

（取 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，因此我在处理完 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，看起来您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。

【讨论】：

糟糕 - 切换了 power 和 exp 方法。现在修好了。还添加了对数模型。

我已经很好地尝试了你的代码，但我只是想知道如果我得到 Y 数组，如何绘制一次趋势线。另一件事是，它只适用于 y= x2 + const方程式，或者我可以将其更改为我的方程式，例如 y=4x2+3x+6.4。

是的，使用PolyTrendLine(2) 创建的TrendLine 将估计y=b0+b1*x+b2*x^2 的系数。仔细观察xVector，您会发现它使用 x^0, x^1, ... x^k 作为 k 度回归的估计量。

只需调用 main() 就可以在图上画线？我在 onCreate() 中尝试了一段代码，但它不会在我的 UI 上绘制任何内容。请看我的问题***.com/questions/22808204/…

maybeWeCouldStealAVan 你怎么能得到 r 的绝对值或平方？ | r |或 r^2

【参考方案3】：

您可以使用org.apache.commons.math3.analysis.interpolation 中提供的不同类型的interpolators，包括例如LinearInterpolator、LoessInterpolator 和NevilleInterpolator。