1.matlab多元回歸示例如下：
解決問題：油價預測
方法：多元線性回歸
實現：matlab regress()函數
技巧：通過增加X1^2，X2^2，或者X1*X2等構造的特征項，可以提高回歸模型的擬合准確度；但計算代價增大。
function result=reg_new_month(XX1_bu,YYnum) y=YYnum; a=XX1_bu; %由於alldata_pca已經進行歸一化了；所以在回歸分析中直接用就行 %a=load('alldata.txt'); x1=a(:,1) ; x2=a(:,2) ; x3=a(:,3) ; x4=a(:,4) ; x5=a(:,5) ; x6=a(:,6) ; x7=a(:,7) ; x8=a(:,8) ; x9=a(:,9) ; x11=x1.^2; x12=x2.^2; x13=x3.^2; x14=x4.^2; x15=x5.^2; x16=x6.^2; x17=x7.^2; x18=x8.^2; x19=x9.^2; x21=x1.*x2; x22=x2.*x3; x23=x3.*x4; x24=x4.*x5; x25=x5.*x6; x26=x6.*x7; x27=x7.*x8; x28=x8.*x9; x29=x9.*x1; X=[ones(length(y),1), x1,x2,x3,x4,x5,x6,x7,x8,x9,x11,x12,x13,x14,x15,x16,x17,x18,x19, x21,x22,x23,x24,x25,x26,x27,x28,x29]; [b,bint,r,rint,stats]=regress(y,X); % b; 相關系數 % bint % r;殘差 %rint ： 置信區間 % stats; 檢驗回歸模型的統計量：分別為 rcoplot(r,rint) %畫殘差圖
XXnum為原數據所有特征X；
YYnum為原數據所有目標值Y；
XX1_bu：是補全后的數據特征；
2.結果如下：
2.1殘差圖
2.2 指標
stats=[0.8259， 22.0910 ，1.2622e-33， 3464.8205]
R=stats(1)=0.82，越接近1則代表擬合得越好；
F=1.26e-33；F<0.05代表回歸模型可用；
3 利用多元線性回歸進行預測
輸入測試X_test（若有多個X_test，可用循環或矩陣實現）；
調用多元回歸m函數；
輸出Y_pred。
參考資料：
1.https://www.cnblogs.com/Mayfly-nymph/p/10539106.html ，作者：Hk_mayfly
2. https://zhuanlan.zhihu.com/p/45149297 ，一個大學生的日常筆記,回歸分析