用visual foxpro编写，用户自行输入数据，可以进行一元线性回归的有关计算

北京市房地产市场是我国房地产市场中最为发达，也是最具有代表性的房地产市场之一。 什么样的因素影响着北京市商品房的销售价格？价格上的巨大差异又是怎样产生的？ 本案例收集了北京城内六区16210套在售二手房相关数据，试图揭开影响房价因素的神秘面纱！

预测金县的房屋销售价格 目的：使用给定的数据集（致力于此回购）建立并运行多元线性回归模型，以预测金县的房屋销售价格。 博客： ： 回购内容 Python模块（在“ module2_scripts”文件夹中） formatter.py-包含检查原始数据格式并执行数据重新格式化的功能。 spacer.py-包含将变量拆分和分类到各自类别（即从属，连续，分类，二进制等）的功能。 cleaner.py-包含用于显示有关数据清理的数据诊断报告并执行清理操作的功能。 preprocessor.py-包含用于转换变量以准备进行建模的功能（例如，对数转换，标准化，一键编码等） grapher.py-包含使用一些静态属性（主要仅用于EDA）绘制图形的功能。 model.py-包含用于构建，测试和验证多元回归模型的功能。 pricer.py-包含使用OLS线性回归模型预测房地产销售价格的功

对股票MACD指标拟合并可视化输出

RBF神经网络-非线性回归分析，matlab代码，值得学习，欢迎下载

https://blog.csdn.net/ljw_study_in_CSDN/article/details/117775766 博客配套代码+数据集文件

逐步线性回归能较好地克服多重共线性现象的发生,因此逐步回归分析是探索多变量关系的最常用的分析方法,智能算法是现代数据分析的主要方法。本文通过一个实例进行了对比研究,预测结果显示:在预测的精度上,在隐含层数目相同时,RBF径向神经网络>BP神经网络>逐步线性回归>ELM极限学习机。通过对比分析,发现神经网络方法较回归分析预测效果更好,误差相对较小。

使用R进行非线性回归分析，好书一本，不要错过。。。。。。

矿井瓦斯涌出量受众多因素的影响。经研究表明,煤层埋藏深度、煤层厚度、煤层瓦斯含量、煤层间距、日进度及日产量是影响瓦斯涌出的主要因素。利用多元线性回归和BP神经网络理论,分别对矿井瓦斯涌出量进行了预测,最后建立了多元线性回归与BP神经网络的组合预测模型。该模型兼顾了多元回归分析的非线性特性和神经网络的时序特性,通过具体的实例研究,对比了各种方法的预测结果。结果显示,组合预测的结果与实际有较高的拟合度,可靠性高。

线性回归-统计.pdf