Question

可能重复：
Is there a Java library for better linear regression? (E.g., iteratively reweighted least squares)

我有一个以下代码inf R，但我需要在java中实现相同的东西。我在数学方面不是很敏锐，所以需要一些帮助。

test_trait <- c( -0.48812477 , 0.33458213, -0.52754476, -0.79863471, -0.68544309, -0.12970239,  0.02355622, -0.31890850,0.34725819 , 0.08108851)

geno_A <- as.factor(c("Sub_0001"=1, "Sub_0002"=0, "Sub_0003"=1, "Sub_0004"=2, "Sub_0005"=0, "Sub_0006"=0, "Sub_0007"=1, "Sub_0008"=0, "Sub_0009"=1, "Sub_0010"=0))

geno_B <- as.factor(c("Sub_0001"=0, "Sub_0002"=0, "Sub_0003"=0, "Sub_0004"=1, "Sub_0005"=1, "Sub_0006"=0, "Sub_0007"=0, "Sub_0008"=0, "Sub_0009"=0, "Sub_0010"=0) )

fit <- lm(test_trait ~ geno_A*geno_B)
res <- anova(fit)
p.value <- res[3,5]

编辑1：我在发布这个问题之前检查了Apache Commons Math库并检查了Is there a Java library for better linear regression? (E.g., iteratively reweighted least squares)，但我的问题是我无法确定我的案例是简单的线性回归还是多个。

test_trait包含由遗传特征geno_A和geno_B表示的高度。 geno_A和geno_B是alleles。

Answer 1

用Google搜索java linear regression引导我找到一些有趣的链接，其中包括以下问题：

Is there a Java library for better linear regression? (E.g., iteratively reweighted least squares)

Answer 2

线性回归y = a + b*x可以使用以下等式计算：

b = (n*Σ(X*Y) - (ΣX)*(ΣY)) / (n*Σ(X^2) - (ΣX)^2)
a = (ΣY - b*(ΣX)) / n

这里Σ（A）是A的所有可用值的总和，n是这些值的数量（X，Y对的数量）。

如果需要直接在自定义数据结构上进行回归，则可能首选自己的实现。库需要传递它支持的数据结构，可能需要克隆大量数据或以其他方式设计数据结构。

另一方面，如果数据量不大或double[]对于您的项目来说只是一个足够好的结构，那么来自Apache Commons的SimpleRegression可能适用于最常见的情况。

R中的线性回归类似于R

2 个答案: