在游戏的开发过程中，我们会用到很多的算法，其中数学中的线性回归可以很好地运用到一些游戏里，下面是由PHP写的一段计算线性回归的方程式的代码：

"Content-Type" content="text/html; charset=utf-8">    
"GENERATOR" content="Microsoft FrontPage Express 2.0">    线性回归 Linear Regression计算线性回归方程式 Y = a + bX    如果两组数据相关系数很高, 可以用一条近似直线Y=a + bX 来预估, 谓之线性回归
    根据统计学理论, Y = a + bX 中 
     斜率 b = X,Y 离均差交乘积和 / X离均差平方和 
    常数项 a = Y平均值 - b * X平均值
header("Content-Type: text/html; charset=utf-8");if (empty($_REQUEST["X"])) {    ?>    
"post" action="index.php">        X : "text" name="X" size="30" value="25,23,27,35,30">
        Y : "text" name="Y" size="30" value="35,27,36,45,42">
        "submit" value="ok">    
} else {    $X = explode(",",$_REQUEST["X"]);    $Y = explode(",",$_REQUEST["Y"]);    $xavg = array_sum($X)/count($X); // X 平均值    $yavg = array_sum($Y)/count($Y); // Y 平均值    $XMD = Array();         // X 离均差    $YMD = Array();         // Y 离均差    $mdcross_sum = 0;       // X,Y 离均差交乘积和    $xdif_square_sum = 0;   // X 离均差平方和    $count = count($X);    for ($i=0; $i$count; $i++) {        $xdif = (float)$X[$i]-$xavg; // X 离均差        $ydif = (float)$Y[$i]-$yavg; // Y 离均差        $XMD[$i] = $xdif;        $YMD[$i] = $ydif;        $mdcross_sum += $xdif*$ydif;       // X,Y 离均差交乘积和        $xdif_square_sum += pow($xdif, 2); // X 离均差平方和    } //end of for    $b = round($mdcross_sum/$xdif_square_sum, 2);   // 计算斜率 b    $a = round($yavg-$b*$xavg, 2);                  // 计算常数项 a    echo "X = ".join(", ",$X)."
";    echo "Y = ".join(", ",$Y)."
";    echo "常数项 a = ".$a."
";    echo "斜率 b = ".$b."
";    echo "线性回归方程式 Y = ".$a." + (".$b.")X
";    echo "X 平均值 = ".$xavg."
";    echo "Y 平均值 = ".$yavg."
";    echo "X 离均差 = ".join(", ",$XMD)."
";    echo "Y 离均差 = ".join(", ",$YMD)."
";    echo "X,Y 离均差交乘积和 = ".$mdcross_sum."
";    echo "X 离均差平方和 = ".$xdif_square_sum."
";} echo '
'; echo '计算两点之间的角度。';$a = array('x' => 10, 'y' => 0);$c = array('x' => 80, 'y' => 80);$pi_v = atan2($c['y'] - $a['y'], $c['x'] - $a['x']);$n_v = rad2deg($pi_v);echo '弧度：',$pi_v,' 角度：',$n_v;  ?>
ITPub博客

PHP计算线性回归方程式 Y = a + bX

计算线性回归方程式 Y = a + bX

最新文章
