一元线性回归，最小二乘法，C++语言VS2008下调试通过，可直接使用，有注释。

空气质量预测 近年来，空气污染急剧增加，并且对所有生物造成的影响更糟。 世界上大多数国家都在与日益增加的空气污染水平作斗争。 因此，控制和预测空气质量指数已成为必要。 在此研究项目中，我们将实施数据挖掘和机器学习模型来预测AQI并将AQI归类。 对于AQI预测，我们已经实现了五个回归模型主成分，偏最小二乘法，留一维CV的主成分，留一维CV的偏最小二乘，多个印度城市的多元回归AQI数据。 根据AQI的值，AQI指数进一步分为6个不同的类别，即“好，满意，中，差，非常差和严重”。 为了预测AQI桶，我们使用重复CV分类算法开发了三种分类模型，分别是多项式Lo​​gistic回归和K最近邻和K最近邻。 来自印度不同城市的空气质量数据集，具有留一法交叉验证的PLS模型。

递推阻尼最小二乘参数辨识算法.txt

偏最小二乘法教程 详细介绍了偏最小二乘的用法

偶尔我会看到解决很多非线性最小二乘问题的请求，所有这些问题都有相同的模型，但数据集不同。 简单的答案是循环，或者您可以使用并行计算解决方案。 但是，您也可以使用优化工具箱求解器中内置的功能 - 允许您使用块对角雅可比矩阵并行解决许多小问题。 例如，假设要求您估计模型的系数y = a1 + a2*exp(a3*x) 这是使用任何非线性回归工具解决的简单问题。 （我推荐我自己的 fminspleas，也在 File Exchange 上。）但是假设您有 10000 组数据，那么您需要求解 10000 组参数？ 您可以只使用循环，但循环并不总是解决问题的最有效方法。 batchpleas 是解决这个问题的工具。 它通常允许吞吐量提高一个数量级，而无需任何并行处理工具箱。 例如，我在包含的演示中提供的示例在将一组 10000 条曲线拟合到数据时显示了 13-1 的加速，每个曲线都有 3 个要估计

针对传统水质预测方法中水质因子的多重相关性造成预测精度低的问题,提出了一种将偏最小二乘法和支持向量机相耦合的水质预测方法。利用偏最小二乘法提取对水质因子影响强的成分,从而克服了信息冗余问题,并降低了支持向量的维数。利用支持向量机建模可以较好地解决高维非线性小样本问题。同时利用改进的PSO算法优化SVM参数,减小参数搜索的盲目性。研究结果表明,本耦合模型的预测精度和运行效率明显优于常用的BP人工神经网络和传统的支持向量机,可以更好地应用于水质预测。

一种稳健的最小二乘恒模算法.doc

为了提高单目标定位的精度，以到达时间差为物理量，提出了一种两步最小二乘定位算法(TSLS).TSLS首先基于普通线性最小二乘估计模型，采用线性纠正最小二乘定位算法(LCLS)获得目标节点位置的估计值；然后计算出目标节点到达不同基站的距离差，并用该距离差来近似实际距离差；最后基于约束总体最小二乘估计模型，利用约束总体最小二乘定位算法(CTLS)对目标节点位置进行二次估计.由于TSLS本质上是通过减少CTLS的矩阵误差来提高CTLS的性能，因此可以看成是一种增强型CTLS算法.仿真分析表明，TSLS算法的总体

粒子群、遗传算法、鲸鱼算法和基于冯洛伊曼拓扑的鲸鱼算法的最小二乘支持向量机

国内高校的作业题，用了engin库，c++vs2019有界面