多元逐步回归分析程序

矿井进行瓦斯涌出量预测是煤矿安全生产十分重要的工作，鉴于主成分分析和逐步回归分析方法的优点，将两种方法相结合共同建立瓦斯涌出量回归预测模型。以峻德煤矿30号煤层为例，通过主成分分析得到了影响回采工作面瓦斯涌出量的四个主成分因素，再采用逐步线性回归分析法预测回采工作面瓦斯涌出量。结果表明：采用主成分-逐步回归分析法减少了回归分析所需要考虑的变量个数，预测结果具有较好的准确性，预测精度明显优于一元回归预测和多元回归预测，具有较好应用前景。

完成一个逻辑回归的算法。其中data.npz是数据读取数据的方法为： data = np.load("data.npz") x_train, y_train, x_test, y_test = data["x_train"],data["y_train"],data["x_test"],data["y_test"] x_train为训练集特征,y_train为对应的训练集标签，x_test为测试集特征，y_test为对应的测试集标签，用训练集训练一个逻辑回归模型，要求在测试集上的测试精度达到90%以上。

机器学习与算法源代码3： 线性回归模型.zip

机器学习与算法源代码4： 逻辑回归模型.zip

复旦大学经管——应用Stata做logistic回归，多个教学案例、详细的指导方法

（二）多元二项式回归 命令：rstool（x，y，’model’, alpha） nm矩阵 显著性水平 （缺省时为0.05） n维列向量

机器学习与算法及源码：回归模型.zip

门槛回归 门限回归 stata 门槛面板

C语言版的线性回归分析函数.pdf，这是一份不错的文件