本文给出了一个基于PHP的多元线性回归模拟曲线算法的描述实例。分享给大家参考，如下：

多元线性回归模型：y=b1x1b2x2b3x3.bnxn

根据一组数据：相似的arr _ x=[[1，2，3，4，5]，[6，7，8，9，10]，[11，12，13，14，15]]；arr_y=[5，10，15]；我们最终要求的是一个数组，包括b1到BN；

方法：采用最小二乘法

公式：

我们只用公式的前半部分，也就是我们用矩阵来计算它

公式中的x是arr_x，二维数组可以看作矩阵，公式中的y是arr_y，也可以看作矩阵(5，10，15)，但要垂直写。

然后根据公式，我们会发现需要用到矩阵乘法、换位和求逆；所以下面的代码是一个一个给出的：

公共函数get _ complete($ data，$i，$j) { /* x和y为矩阵数据的行数和列数*/$x=计数($ data)；$y=计数($ data[0])；/*数据2为所求剩余矩阵*/$ data 2=[]；for($ k=0；$ k $ x-1；$ k){ if($ k $ I){ for($ kk=0；$ kk $ y-1；$ kk){ if($ kk $ j){ $ data 2[$ k][$ kk]=$ data[$ k][$ kk]；} else { $ data 2[$ k][$ kk]=$ data[$ k][$ kk 1]；} } } else { for($ kk=0；$ kk $ y-1；$ kk){ if($ kk $ j){ $ data 2[$ k][$ kk]=$ data[$ k 1][$ kk]；} else { $ data 2[$ k][$ kk]=$ data[$ k 1][$ kk 1]；} } } }返回$ data2}/*计算矩阵行列式*/公共函数cal _ det($ data){ $ ans=0；if(count($ data[0])===2){ $ ans=$ data[0][0]* $ data[1][1]-$ data[0][1]* $ data[1][0]；} else { for($ I=0；$ I count($ data[0])；$ I){ $ data _ temp=$ this-get _ complex($ data，0，$ I)；if($ I % 2===0){ $ ans=$ ans $ data[0][$ I]*($ this-cal _ det($ data _ temp))；} else { $ ans=$ ans-$ data[0][$ I]*($ this-cal _ det($ data _ temp))；} } }返回$ ans}/*计算矩阵的伴随矩阵*/public function ajpoint($ data){ $ m=count($ data)；$n=计数($ data[0])；$ data 2=[]；对于($ I=0；$ I $ m；$ I){ for($ j=0；$ j $ n；$ j){ if(($i $ j)% 2===0){ $ data 2[$ I][$ j]=$ this-cal _ det($ this-get _ complex($ data，$ I，$ j))；} else { $ data 2[$i][$ j]=-$ this-cal _ det($ this-get _ complex($ data，$ I，$ j))；} } }返回$ this-trans($ data 2)；}/*转置矩阵*/public function trans($ data){ $ I=count($ data)；$j=计数($ data[0])；$ data 2=[]；for($ k2=0；$ k2 $ j；$ k2){ for($ k1=0；$ k1 $ I；$ k1){ $ data 2[$ k2][$ k1]=$ data[$ k1][$ k2]；} } /*将矩阵转置便可得到伴随矩阵*/return $ data 2；}/*求矩阵的逆，输入参数为原矩阵*/public function inv($ data){ $ m=count($ data)；$n=计数($ data[0])；$ data 2=[]；$ det _ val=$ this-cal _ det($ data)；$ data 2=$ this-a point($ data)；对于($ I=0；$ I $ m；$ I){ for($ j=0；$ j $ n；$ j){ $ data 2[$ I][$ j]=$ data 2[$ I][$ j]/$ det _ val；} }返回$ data2}/*求两矩阵的乘积*/公共函数getProduct($data1，$data2) { /*$data1为左乘矩阵*/$m1=计数($ data 1)；$n1=计数($ data 1[0])；$m2=计数($ data 2)；$n2=计数($ data 2[0])；$ data _ new=[]；if ($n1！==$ m2){ return false；} else { for($ I=0；$ I=$ m1-1；$ I){ for($ k=0；$ k=$ N2-1；$ k){ $ data _ new[$ I][$ k]=0；for($ j=0；$ j=$ n1-1；$ j){ $ data _ new[$ I][$ k]=$ data 1[$ I][$ j]* $ data 2[$ j][$ k]；} } } }返回$ data _ new}/*多元线性方程*/public function getParams($ arr _ x，$ arr _ y){ $ final=[]；$ arr _ x _ t=$ this-trans($ arr _ x)；$ result=$ this-GetProducT($ this-GetProducT($ this-inv($ this-GetProducT($ arr _ x _ t)，$ arr _ x _ t)；foreach($ result as $ key=$ val){ foreach($ val as $ _ k=$ _ v){ $ final[]=$ _ v；} }返回$ final}最后的getParams()方法就是最后求b参数数组的方法，传入一个二维数组arr_x，和一个一维数组arr_y就可以了。

这一般用于大数据分析，根据大数据来模拟和预测下面的发展和走势。

PS:这里为大家推荐两款相关模拟曲线工具供大家参考：

在线多项式曲线及曲线函数拟合工具：http://工具。JB 51。net/jis uan qi/create _ fun

在线绘制多项式/函数曲线图形工具：http://工具。JB 51。net/jis uan qi/fun _ draw

更多关于服务器端编程语言(专业超文本预处理器的缩写)相关内容感兴趣的读者可查看本站专题： 《PHP数据结构与算法教程》 、 《php程序设计算法总结》 、 《php字符串(string)用法总结》 、 《PHP数组(Array)操作技巧大全》 、 《PHP常用遍历算法与技巧总结》 及《PHP数学运算技巧总结》

希望本文所述对大家服务器端编程语言(专业超文本预处理器的缩写)程序设计有所帮助。