如何用accord.net实现多变量多输出线性回归

Question

求c#中，实现accord.net实现多变量多输出线性回归的方法。

Answer 1

accord.math里有没

Answer 2

我看到accord.net介绍页写道能实现多变量多输出的线性回归，应该是统计那个包里，原文如下： In the multivariate linear regression, not only the input variables are multivariate,but also are the output dependent variables.
我摸索了半天，目前发现我包没装好。提示不兼容1.0，需要4.0版本，正在尝试中。

Answer 3

accord.net是不需要安装的，拷贝直接用

Answer 4

我说的是从Nuget里加accord的package，它给的说明书里写过。

Answer 5

在accord.net官网下载，有docs里有所有说明

Answer 6

官网看了，没给出具体怎么输出系数。我不知计算机专业。
下面是官网给的例子，试了好几遍还是没有把系数输出出来。求怎么输出系数。
// The multivariate linear regression is a generalization of
// the multiple linear regression. In the multivariate linear
// regression, not only the input variables are multivariate,
// but also are the output dependent variables.// In the following example, we will perform a regression of
// a 2-dimensional output variable over a 3-dimensional input
// variable.double[][] inputs =
{
    // variables:  x1  x2  x3
    new double[] {  1,  1,  1 }, // input sample 1
    new double[] {  2,  1,  1 }, // input sample 2
    new double[] {  3,  1,  1 }, // input sample 3
};double[][] outputs =
{
    // variables:  y1  y2
    new double[] {  2,  3 }, // corresponding output to sample 1
    new double[] {  4,  6 }, // corresponding output to sample 2
    new double[] {  6,  9 }, // corresponding output to sample 3
};// With a quick eye inspection, it is possible to see that
// the first output variable y1 is always the double of the
// first input variable. The second output variable y2 is
// always the triple of the first input variable. The other
// input variables are unused. Nevertheless, we will fit a
// multivariate regression model and confirm the validity
// of our impressions:// Use Ordinary Least Squares to create the regression
OrdinaryLeastSquares ols = new OrdinaryLeastSquares();// Now, compute the multivariate linear regression:
MultivariateLinearRegression regression = ols.Learn(inputs, outputs);// We can obtain predictions using
double[][] predictions = regression.Transform(inputs);// The prediction error is
double error = new SquareLoss(outputs).Loss(predictions); // 0// At this point, the regression error will be 0 (the fit was
// perfect). The regression coefficients for the first input
// and first output variables will be 2. The coefficient for
// the first input and second output variables will be 3. All
// others will be 0.
// 
// regression.Coefficients should be the matrix given by
// 
// double[,] coefficients = {
//                              { 2, 3 },
//                              { 0, 0 },
//                              { 0, 0 },
//                          };
// // We can also check the r-squared coefficients of determination:
double[] r2 = regression.CoefficientOfDetermination(inputs, outputs);