趨勢線（回歸、曲線擬合）java庫

Question

我正在嘗試開發一個應用程序，該應用程序可以計算與 excel 相同的趨勢線，但適用於更大的數據集。

但是我找不到任何計算此類回歸的 Java 庫。 對於 linera 模型，我使用的是 Apache Commons 數學，對於另一個模型，Michael Thomas Flanagan 提供了一個很棒的數值庫，但自 1 月以來它不再可用：

http://www.ee.ucl.ac.uk/~mflanaga/java/

你知道任何其他庫，代碼存儲庫來計算 java.lang 中的這些回歸嗎？ 最好，

Answer 1

由於它們都基於線性擬合，OLSMultipleLinearRegression 是線性、多項式、指數、對數和冪趨勢線所需的全部。

你的問題給了我下載和使用公共數學回歸工具的借口，我整理了一些趨勢線工具：

一個接口：

public interface TrendLine {
    public void setValues(double[] y, double[] x); // y ~ f(x)
    public double predict(double x); // get a predicted y for a given x
}

基於回歸的趨勢線的抽象類：

public abstract class OLSTrendLine implements TrendLine {

    RealMatrix coef = null; // will hold prediction coefs once we get values

    protected abstract double[] xVector(double x); // create vector of values from x
    protected abstract boolean logY(); // set true to predict log of y (note: y must be positive)

    @Override
    public void setValues(double[] y, double[] x) {
        if (x.length != y.length) {
            throw new IllegalArgumentException(String.format("The numbers of y and x values must be equal (%d != %d)",y.length,x.length));
        }
        double[][] xData = new double[x.length][]; 
        for (int i = 0; i < x.length; i++) {
            // the implementation determines how to produce a vector of predictors from a single x
            xData[i] = xVector(x[i]);
        }
        if(logY()) { // in some models we are predicting ln y, so we replace each y with ln y
            y = Arrays.copyOf(y, y.length); // user might not be finished with the array we were given
            for (int i = 0; i < x.length; i++) {
                y[i] = Math.log(y[i]);
            }
        }
        OLSMultipleLinearRegression ols = new OLSMultipleLinearRegression();
        ols.setNoIntercept(true); // let the implementation include a constant in xVector if desired
        ols.newSampleData(y, xData); // provide the data to the model
        coef = MatrixUtils.createColumnRealMatrix(ols.estimateRegressionParameters()); // get our coefs
    }

    @Override
    public double predict(double x) {
        double yhat = coef.preMultiply(xVector(x))[0]; // apply coefs to xVector
        if (logY()) yhat = (Math.exp(yhat)); // if we predicted ln y, we still need to get y
        return yhat;
    }
}

多項式或線性模型的實現：

（對於線性模型，只需在調用構造函數時將度數設置為 1。）

public class PolyTrendLine extends OLSTrendLine {
    final int degree;
    public PolyTrendLine(int degree) {
        if (degree < 0) throw new IllegalArgumentException("The degree of the polynomial must not be negative");
        this.degree = degree;
    }
    protected double[] xVector(double x) { // {1, x, x*x, x*x*x, ...}
        double[] poly = new double[degree+1];
        double xi=1;
        for(int i=0; i<=degree; i++) {
            poly[i]=xi;
            xi*=x;
        }
        return poly;
    }
    @Override
    protected boolean logY() {return false;}
}

指數和冪模型更簡單：

（注意：我們現在正在預測 log y——這很重要。這兩個都只適用於正 y）

public class ExpTrendLine extends OLSTrendLine {
    @Override
    protected double[] xVector(double x) {
        return new double[]{1,x};
    }

    @Override
    protected boolean logY() {return true;}
}

和

public class PowerTrendLine extends OLSTrendLine {
    @Override
    protected double[] xVector(double x) {
        return new double[]{1,Math.log(x)};
    }

    @Override
    protected boolean logY() {return true;}

}

和日志模型：

（取 x 的對數但預測 y，而不是 ln y）

public class LogTrendLine extends OLSTrendLine {
    @Override
    protected double[] xVector(double x) {
        return new double[]{1,Math.log(x)};
    }

    @Override
    protected boolean logY() {return false;}
}

你可以像這樣使用它：

public static void main(String[] args) {
    TrendLine t = new PolyTrendLine(2);
    Random rand = new Random();
    double[] x = new double[1000*1000];
    double[] err = new double[x.length];
    double[] y = new double[x.length];
    for (int i=0; i<x.length; i++) { x[i] = 1000*rand.nextDouble(); }
    for (int i=0; i<x.length; i++) { err[i] = 100*rand.nextGaussian(); } 
    for (int i=0; i<x.length; i++) { y[i] = x[i]*x[i]+err[i]; } // quadratic model
    t.setValues(y,x);
    System.out.println(t.predict(12)); // when x=12, y should be... , eg 143.61380202745192
}

由於您只需要趨勢線，因此在完成 ols 模型后，我放棄了它們，但您可能希望保留一些關於擬合優度等的數據。

對於使用移動平均、移動中位數等的實現，看起來您可以堅持使用公共數學。 嘗試DescriptiveStatistics並指定一個窗口。 您可能想要使用另一個答案中建議的插值來進行一些平滑處理。

Answer 2

您可以使用org.apache.commons.math3.analysis.interpolation可用的不同類型的插值器，包括例如 LinearInterpolator、LoessInterpolator 和 NevilleInterpolator。

Answer 3

除了也許WeCouldStealAVa所說的；

commons-math3 庫也在maven 存儲庫中可用。

當前版本是 3.2，依賴標簽是：

    <dependency>
        <groupId>org.apache.commons</groupId>
        <artifactId>commons-math3</artifactId>
        <version>3.2</version>
    </dependency>