Main Content

Esta página se ha traducido mediante traducción automática. Haga clic aquí para ver la versión original en inglés.

Ajustar un modelo de regresión lineal

Este ejemplo muestra cómo ajustar un modelo de regresión lineal para datos en su canal ThingSpeak™ y calcular los coeficientes de regresión en los datos.

Leer datos del canal ThingSpeak de la estación meteorológica

El canal ThingSpeak 12397 contiene datos de la estación meteorológica MathWorks®, ubicada en Natick, Massachusetts. Los datos se recopilan una vez por minuto. Los campos 3 y 4 contienen datos de humedad y temperatura, respectivamente. Lea los datos del último día del canal 12397 usando la función thingSpeakRead .

data = thingSpeakRead(12397,'NumDays',1,'Fields',[3 4],'outputFormat','table');

Calcular el modelo de regresión lineal

Describir la relación lineal entre una respuesta (humedad) y uno o más términos predictivos (temperatura). Por ejemplo, 'Humedad ~ 1 + TemperaturaF' describe un modelo lineal de dos variables que relaciona la humedad con la temperatura junto con una intersección.

mdl = fitlm(data, 'Humidity~TemperatureF')
mdl = 


Linear regression model:
    Humidity ~ 1 + TemperatureF

Estimated Coefficients:
                    Estimate       SE        tStat       pValue   
                    ________    ________    _______    ___________

    (Intercept)       49.448      1.7916       27.6    2.1811e-134
    TemperatureF    0.038851    0.045941    0.84567        0.39788


Number of observations: 1410, Error degrees of freedom: 1408
Root Mean Squared Error: 4.39
R-squared: 0.000508,  Adjusted R-Squared: -0.000202
F-statistic vs. constant model: 0.715, p-value = 0.398

Los valores muestran los coeficientes de regresión estimados para el modelo lineal junto con otros parámetros estadísticos.

Consulte también

Funciones