Другой широко распространенной задачей обработки данных является представление их совокупности некоторой функцией у(х). Задача регрессии заключается в получении параметров этой функции такими, чтобы функция приближала облако исходных точек (заданных векторами VX и VY) с наименьшей среднеквадратичной погрешностью. Чаще всего используется линейная регрессия, при которой функция у(х) имеет вид:
у(х) =а+ Ь*х
и описывает отрезок прямой. К линейной регрессии можно свести многие виды нелинейной регрессии при двухпараметрических зависимостях у(х).
Для проведения линейной регрессии в систему встроен ряд приведенных ниже функций:
· corr(VX, VY) — возвращает скаляр — коэффициент корреляции Пирсона;
· intercept(VX, VY) — возвращает значение параметра а (смещение линии регрессии по вертикали);
· slope(VX, VY) — возвращает значение параметра b (наклона линии регрессии).
Линейная регрессия общего вида
Рис. 4. Линейная регрессия общего вида
Расположение координат точек исходного массива может быть любым, но вектор VX должен содержать координаты, упорядоченные в порядке их возрастания, а вектор VY ординаты, соответствующие абсциссам в векторе VX.