Question

我试图用公共数学来计算多项式中的常数。它看起来像例程存在但我得到了这个错误。有没有人看到这个问题？

我试图将此问题转换为公共数学： https://math.stackexchange.com/questions/121212/how-to-find-curve-equation-from-data

从绘制数据（Wolfram | Alpha链接），它看起来不是线性的。所以最好用多项式拟合。我假设你想要拟合数据：

X Y. 1 4 2 8 3 13 4 18 5 24 .. 使用二次多项式y = ax2 + bx + c。

wolfram alpha提供了很好的实用性。我希望我能得到像沃尔夫姆一样的答案。

http://www.wolframalpha.com/input/?i=fit+4%2C+8%2C+13%2C

E.g。通过输入该数据，我得到：4.5 x-0.666667（线性）

以下是代码和错误：

import org.apache.commons.math3.stat.regression.OLSMultipleLinearRegression;
import org.apache.commons.math3.stat.regression.SimpleRegression;
final OLSMultipleLinearRegression regression2 = new OLSMultipleLinearRegression();
double[] y = {
        4.0, 
        8, 
        13,                 
};      
double[][] x2 = 
    {
        { 1.0, 1, 1  },
        { 1.0, 2, 4  },
        { 0.0, 3, 9  },             
    };
regression2.newSampleData(y, x2);
regression2.setNoIntercept(true);
regression2.newSampleData(y, x2);       
double[] beta = regression2.estimateRegressionParameters();
for (double d : beta) {
    System.out.println("D: " + d);
}

线程“main”中的异常org.apache.commons.math3.exception.MathIllegalArgumentException：这么多预测变量没有足够的数据（3行）（3个预测变量）在org.apache.commons.math3.stat.regression.AbstractMultipleLinearRegression.validateSampleData（AbstractMultipleLinearRegression.java:236）在org.apache.commons.math3.stat.regression.OLSMultipleLinearRegression.newSampleData（OLSMultipleLinearRegression.java:70）在org.berlin.bot.algo.BruteForceSort.main（BruteForceSort.java:108）

Answer 1

validateSampleData（）的javadoc声明二维数组必须至少有一行而不是列。

http://commons.apache.org/proper/commons-math/javadocs/api-3.3/org/apache/commons/math3/stat/regression/AbstractMultipleLinearRegression.html

Answer 2

Rcook是对的。我提供了一个额外的行（测试用例），它产生了与wolfram / alpha相同的答案。

D：0.24999999999999822 D：3.4500000000000033 D：0.24999999999999914

或0.25x ^ 2 + 3.45x + 0.25

final OLSMultipleLinearRegression regression2 = new OLSMultipleLinearRegression();
        double[] y = {
                4, 
                8, 
                13,         
                18
        };              
        double[][] x2 = 
            {
                { 1, 1, 1  },
                { 1, 2, 4  },
                { 1, 3, 9  },                                                               
                { 1, 4, 16  },
            };

        regression2.newSampleData(y, x2);
        regression2.setNoIntercept(true);
        regression2.newSampleData(y, x2);       
        double[] beta = regression2.estimateRegressionParameters();
        for (double d : beta) {
            System.out.println("D: " + d);
        }

使用最小二乘法与Commons Math和拟合

2 个答案: