如果正文有点难理解的话，请看我以前的基础线性规划等。 有lingo、matlab和python
我不会给大家放链接的，想看的话，点击头像就行了！
文章目录
)1)一元线性回归旧轿车价格案例
)2)多元线性回归洞庭湖污染物案例实测
(3)参考文件：
)1)一元线性回归的旧轿车价格案例用x表示使用年限，y表示相应的平均价格。 根据表中x和y的数据，建立数据模型，分析轿车平均价格与其使用关键点的关系，即y和x的关系。
为了表示，x和y数据如下：
x=1:10； y=[ 2650、1942、1493、1086、766、539、485、291、224、202 ]； 代码：
clear allclc%绘图x=1:10； y=[ 2650、1942、1493、1086、766、539、485、291、224、202 ]； forI=1:10plot(x(I )，y (I )，' or ' )； hold onend%表示x轴和y轴的xlabel('x )； ylabel(y )； 执行结果：
分析返回的图，发现x和y呈指数关系。 因此，设为z=Iny，标记为pcddx=Inyi。
重绘：
代码：
clear allclc%绘图x=1:10； y=[ 2650、1942、1493、1086、766、539、485、291、224、202 ]； z=Zeros(size ) y )； n=长度(y； HoldonforI=1:nz(I )=log ) I )； plot(x ) I )、z ) I )、' ok ' )； 结束轴和y轴的xlabel(x )； ylabel(y )； 运行结果：观察结果，你认为比刚才的拟合效果好得多吗
分析结果表明，各点基本在一条直线附近，z=a bx c 既然已经确定好了函数类型，就可以求解参数具体值。
代码：
clear allclcx=1:10； y=[ 2650、1942、1493、1086、766、539、485、291、224、202 ]； z=Zeros(size ) y )； n=长度(y； forI=1:nz(I )=log ) I )； end[p，s]=polyfit(x，z，1 )执行结果：
由此，成为a=8.1671、b=-0.2984，得到函数z=8.1671-0.2984x
(2)多元线性回归的洞庭湖污染物案例实测定义)有两个以上自变量的，多元回归。
在此之前，需要说明regress函数的使用。 调用格式如下：
[b，bint，r，rint，stats]=regress(y，x，alpha )是什么意思？
阿尔法是显化水平，默认设定为0.05，b是输出量，bint是回归系数的估计值和他们的置信区间，r是残差，rint是置信区间，stats适合验证回归模型的统计量。
举个例子吧。 案例如下。
代码：
%多元回归clearallclcx1=[1.376、1.375、1.387、1.401、1.412、1.428、1.445、1.477]； x2=[0.450、0.475、0.485、0.5、0.535、0.545、0.55、0.575]； x3=[2.170、2.554、2.676、2.713、2.823、3.088、3.122、3.262]； x4=[5.19、1.161、0.5346、0.9589、2.0239、1.0499、1.1065、1.1387]； y=[5.19、5.3、5.6、5.82、6、6.06、6.45、6.95]； 保存数据x1 x2 x3 x4 y %保存数据加载数据%检索数据y=[y'] '； x=[ones(size ) x1 ' ]、x1 '、x2 '、x3 '、x4']； [b，bint，r，rint，stats]=regress(y，x )执行结果：
根据返回值b的值，可以确定函数关系式。 水质分析模型如下。
y=-20.529719.1269 x 18.0045 x2- 1.5867 x3-0.1465 x4
(3)参考文档：多元线性回归- MATLAB regress- MathWorks中国