c# 模拟线性回归的示例
#代码知识 发布时间: 2026-01-12
最近刚开始接触机器学习,在这里使用c#模拟一元线性回归,先上图看效果
因为源码中有一些控件是自己封装的,所以就不上传可运行的程序集了,贴出核心代码,以供参考,如有不对,请多多给予建议
private void ryButtonX1_Click(object sender, EventArgs e)
{
string[] xnum = richTextBox1.Text.Trim().Split(',');//x值
string[] ynum = richTextBox2.Text.Trim().Split(',');//y值
if (xnum.Length != ynum.Length)
{
MessageBox.Show("输入数据有误!");
return;
}
ryTextBoxX1.Text = xnum.Length+"";//个数
decimal xsum = 0;//x值求和
decimal ysum = 0;//y值求和
for(int i = 0; i < xnum.Length; i++)
{
xsum = xsum + ConvertExtend.ToDecimal(xnum[i],0);
ysum = ysum + ConvertExtend.ToDecimal(ynum[i], 0);
}
decimal xAve = ConvertExtend.ToDecimal(xsum / xnum.Length, 0);//x平均值
decimal yAve = ConvertExtend.ToDecimal(ysum / xnum.Length, 0);//y平均值
ryTextBoxX3.Text = string.Format("{0:N}", xAve);//保留两位小数
ryTextBoxX4.Text = string.Format("{0:N}", yAve);
decimal molecule = 0;//分子
decimal Denominator = 0;//分母
for (int i = 0; i < xnum.Length; i++)
{
molecule = molecule + (ConvertExtend.ToDecimal(xnum[i], 0) - xAve) * (ConvertExtend.ToDecimal(ynum[i], 0) - yAve);
Denominator = Denominator+(ConvertExtend.ToDecimal(xnum[i], 0) - xAve) * (ConvertExtend.ToDecimal(xnum[i], 0) - xAve);
}
ryTextBoxX2.Text = string.Format("{0:N}", molecule / Denominator);//斜率
ryTextBoxX5.Text = (yAve - (molecule / Denominator) * xAve)+"";//截距
if (ConvertExtend.ToDecimal(ryTextBoxX5.Text, 0) < 0)
{
ryTextBoxX6.Text = ryTextBoxX2.Text + "X" + ryTextBoxX5.Text;
}else
{
ryTextBoxX6.Text = ryTextBoxX2.Text + "X+" + ryTextBoxX5.Text;
}
#region 画点
chartLabTrend.ChartAreas[0].AxisX.CustomLabels.Clear();
List<decimal?> lx = new List<decimal?>();
List<decimal?> l1 = new List<decimal?>();
for (int i = 1; i <= xnum.Length; i++)
{
CustomLabel label1 = new CustomLabel();
if (xnum[i - 1] != "")
{
label1.Text = ConvertExtend.ToDecimal(xnum[i - 1],0).ToString();
label1.ToPosition = i * 2;
chartLabTrend.ChartAreas[0].AxisX.CustomLabels.Add(label1);
label1.GridTicks = GridTickTypes.Gridline;
lx.Add(i);
if (ynum[i - 1] == null)
{
l1.Add(null);
}
else
{
l1.Add(ConvertExtend.ToDecimal(ynum[i - 1],0));
}
}
}
chartLabTrend.Series[0].Points.DataBindXY(lx, l1);
#endregion
#region 画线
chartLabTrend.ChartAreas[0].AxisX.CustomLabels.Clear();
List<decimal?> lx1 = new List<decimal?>();
List<decimal?> l11 = new List<decimal?>();
for (int i = 1; i <= xnum.Length; i++)
{
CustomLabel label2 = new CustomLabel();
if (xnum[i - 1] != "")
{
label2.Text = ConvertExtend.ToDecimal(xnum[i - 1], 0).ToString();
label2.ToPosition = i * 2;
chartLabTrend.ChartAreas[0].AxisX.CustomLabels.Add(label2);
label2.GridTicks = GridTickTypes.Gridline;
lx1.Add(i);
if (ynum[i - 1] == null)
{
l11.Add(null);
}
else
{
l11.Add(ConvertExtend.ToDecimal(ConvertExtend.ToDecimal(xnum[i - 1],0)*molecule / Denominator
+ ConvertExtend.ToDecimal(ryTextBoxX5.Text,0), 0));
}
}
}
chartLabTrend.Series[1].Points.DataBindXY(lx1, l11);
#endregion
}
以上就是c# 模拟线性回归的示例的详细内容,更多关于c# 模拟线性回归的资料请关注其它相关文章!
代码知识SEO上一篇 : Pycharm操作Git及GitHub的步骤详解
下一篇 : python 对一幅灰度图像进行直方图均衡化
-
SEO外包最佳选择国内专业的白帽SEO机构,熟知搜索算法,各行业企业站优化策略!
SEO公司
-
可定制SEO优化套餐基于整站优化与品牌搜索展现,定制个性化营销推广方案!
SEO套餐
-
SEO入门教程多年积累SEO实战案例,从新手到专家,从入门到精通,海量的SEO学习资料!
SEO教程
-
SEO项目资源高质量SEO项目资源,稀缺性外链,优质文案代写,老域名提权,云主机相关配置折扣!
SEO资源
-
SEO快速建站快速搭建符合搜索引擎友好的企业网站,协助备案,域名选择,服务器配置等相关服务!
SEO建站
-
快速搜索引擎优化建议没有任何SEO机构,可以承诺搜索引擎排名的具体位置,如果有,那么请您多注意!专业的SEO机构,一般情况下只能确保目标关键词进入到首页或者前几页,如果您有相关问题,欢迎咨询!