matlab中怎么调用生成回归模型进行预测

Matlab中可以调用生成回归模型进行预测，主要有以下几个步骤：

1、准备数据：首先，需要准备一组训练数据，这些数据经过计算可以得出训练集的特征，比如模型的输入变量，输出变量等。

2、构建回归模闷大仿型：其次，使用Matlab中的回归工具箱，构建回归仿拍模型，比如线性回归、多项式回归蚂纤等，根据训练数据进行拟合。

3、预测：最后，可以使用Matlab中的predict命令，根据构建的回归模型进行预测，得出各个输入变量对应的输出变量。

总的来说，Matlab可以非常方便地调用生成回归模型进行预测，简化了预测的步骤，节省了时间和资源。

figure

x=[2005 2006 2007 2008 2009 2010]

y2=[45906 53809 63184 72123 81941 88833]

a=polyfit(x,y2,1)

xi=2005:1:2010

yi=polyval(a,xi)

plot(x,y2,'go','MarkerEdgeColor','k','源茄MarkerFaceColor','g','MarkerSize',6)

xlabel('年份')

ylabel('GDP')

axis([2005 2010 45000 90000])

hold on

plot(xi,yi,'linewidth',2,'雹枯察markersize',16)

legend('原始数据点','拟合曲线')

plot(x,y2,'-r.')

sprintf('败伏直线方程：Y2=%0.5g*X+(%0.5g)',a(1),a(2))

看看行不行！！！

X=[1

1

4

6

8

11

14

17

21]'

Y=[2.49

3.30

3.68

12.20

27.04

61.10

108.80

170.90

275.50]'

X=[ones(9,1),

X]

[b,bint,r,rint,stats]=

regress(Y,X)

输出向量b，bint为回归系数估逗缺森计值和它们的置信区间，r，rint为残差及其置信区间，stats是用于检验回归模型的统计量，有三个数值，第一个是R2，其中扮友R是相关系数，第二个是F统计量值山亩，第三个是与统计量F对应的概率P，当P<α时拒绝H0，回归模型成立。

---