Apache commons-math3
(版本3.6.1
)类OLSMultipleLinearRegression
,SimpleRegression
提供了一种计算RSquare
的方法(即calculateRSquared()
,{{ 1}}分别)。但我无法为getRSquare()
找到任何此类方法?
现在我自己就像下面这样做。有没有这样的方法在common-math中这样做?
PolynomialCurveFitter
答案 0 :(得分:0)
这已在apache-commons mailing list中得到解答。交叉发布答案
OLSMultipleLinearRegression,SimpleRegression提供了一种方法 返回calculateRSquared(), getRSquare()。但我无法找到任何这样的方法 PolynomialCurveFitter?
现在我自己就像下面这样做: -
有没有这样的方法在common-math中这样做?
“PolynomialCurveFitter”是语法糖/包装器之一 围绕最小二乘优化器。 在(不可变)实例中没有维护状态。
private PolynomialFunction getPolynomialFitter(List<List<Double>>pointlist) { final PolynomialCurveFitter fitter = PolynomialCurveFitter.create(2); final WeightedObservedPoints obs = new WeightedObservedPoints(); for (List<Double> point : pointlist) { obs.add(point.get(0), point.get(1)); } double[] fit = fitter.fit(obs.toList()); System.out.printf("\nCoefficient %f, %f, %f", fit[0], fit[1], fit[2]); final PolynomialFunction fitted = new PolynomialFunction(fit); return fitted; }
这确实是一个预期的用例。
private double getRSquare(PolynomialFunction fitter, List<List<Double>> pointList) { final double[] coefficients = fitter.getCoefficients(); double[] predictedValues = new double[pointList.size()]; double residualSumOfSquares = 0; final DescriptiveStatistics descriptiveStatistics = new DescriptiveStatistics(); for (int i=0; i< pointList.size(); i++) { predictedValues[i] = predict(coefficients, pointList.get(i).get(0)); double actualVal = pointList.get(i).get(1); double t = Math.pow((predictedValues[i] - actualVal), 2); residualSumOfSquares += t; descriptiveStatistics.addValue(actualVal); } final double avgActualValues = descriptiveStatistics.getMean(); double totalSumOfSquares = 0; for (int i=0; i<pointList.size(); i++) { totalSumOfSquares += Math.pow( (predictedValues[i] - avgActualValues),2); } return 1.0 - (residualSumOfSquares/totalSumOfSquares); }
此处未显示“预测”方法,但请注意参数 你在上面称之为“fitter”,实际上是一个多项式 功能:
因此:
predictedValues[i] = fitter.value(pointList.get(i).get(0));
但是否则,是的,来电者有责任选择他的 评估模型的质量。
您可以直接使用最小二乘法类;然后 “评估”对象将允许检索各种度量 适合:
然而,它们可能仍然不是你想要的......