线性回归计算器

拟合简单最小二乘线性回归模型，并计算斜率、截距、R 平方和预测值

示例结果

1 个示例

拟合简单趋势线

根据成对 x-y 观测估算斜率、截距和预测值

{
  "result": {
    "slope": 0.6,
    "intercept": 2.2,
    "rSquared": 0.6,
    "predictedY": {
      "x": 6,
      "y": 5.8
    }
  }
}
查看输入参数
{ "pairedData": "1, 2\n2, 4\n3, 5\n4, 4\n5, 5", "xValues": "", "yValues": "", "predictionX": "6", "decimalPlaces": 4 }

关键信息

分类
数学、日期与金融
输入类型
textarea, text, number
输出类型
json
样本覆盖
4
支持 API
Yes

概览

线性回归计算器是一款基于最小二乘法的在线工具，旨在帮助用户快速拟合简单线性回归模型。通过输入成对的 X 和 Y 数据，该工具可自动计算回归方程的斜率、截距以及 R 平方值，并支持根据给定的 X 值预测对应的 Y 值，适用于数据分析、科学研究及商业预测等场景。

适用场景

  • •需要分析两个连续变量之间的线性相关性强度时。
  • •需要建立数学模型来预测基于特定自变量的因变量结果时。
  • •在学术研究或实验中需要快速获取最小二乘法的拟合参数（斜率与截距）时。

工作原理

  • •输入数据：在文本框中按行输入成对的 X, Y 数据，或分别输入以逗号分隔的 X 值和 Y 值列表。
  • •设置参数：根据需要输入预测用的 X 值，并设置结果保留的小数位数（默认为 4 位）。
  • •执行计算：系统利用最小二乘法公式计算回归系数，确定最佳拟合直线。
  • •查看结果：即时获取斜率、截距、R 平方以及针对特定 X 值的预测 Y 值。

使用场景

销售预测：根据历史广告投入与销售额数据，预测未来增加预算后的销售表现。
实验分析：在物理或化学实验中，根据观测到的自变量变化计算因变量的线性变化率。
质量控制：分析生产线上的工艺参数（如温度）与产品合格率之间的线性关系。

用户案例

1. 广告支出与销售额关联分析

市场分析师
背景原因
分析师拥有一组过去 5 个月的广告费用和对应的销售额数据，希望预测未来的收益。
解决问题
需要确定广告投入与销售额之间的线性关系，并预测下月投入 6 万元时的销售额。
如何使用
在“数据对”中输入 1,2\n2,4\n3,5\n4,4\n5,5，在“预测 X”中输入 6。
效果
得到斜率 0.6，截距 2.2，R 平方 0.6，并预测当 X=6 时销售额为 5.8 万元。

2. 物理实验数据拟合

理科学生
背景原因
学生在进行弹簧拉伸实验，记录了不同拉力（X）下的弹簧伸长量（Y）。
解决问题
计算弹簧的劲度系数（即斜率）并评估实验数据的线性度以验证胡克定律。
如何使用
在“X 值”输入 10, 20, 30, 40，在“Y 值”输入 2.1, 4.0, 6.2, 8.1，设置小数位数为 3。
效果
快速获得回归方程的斜率约为 0.201，R 平方接近 1.0，证明实验数据具有极高的线性相关性。

用 Samples 测试

math-&-numbers
ELK Stack 日志分析示例
全面的 ELK Stack（Elasticsearch、Logstash、Kibana）示例，用于分布式系统中的日志聚合、处理和可视化
task process
sample
Cypress E2E 测试框架
全面的Cypress端到端测试示例，包括测试设置、页面对象模型、API测试、视觉回归测试和现代Web应用的高级E2E模式
keywords regression
sample
Mock Service Worker 示例
全面的MSW (Mock Service Worker)示例，包含API模拟、GraphQL、WebSocket模拟和高级请求处理模式
keywords intercept
sample
Playwright E2E 测试框架
全面的Playwright测试示例，包括跨浏览器自动化、API测试、移动端测试、视觉回归测试和现代Web应用的高级E2E模式
keywords regression
sample

常见问题

什么是 R 平方值？

R 平方（决定系数）衡量模型对数据的拟合程度，取值范围为 0 到 1，越接近 1 表示拟合效果越好。

我可以只输入 X 值和 Y 值列表吗？

可以，工具支持通过“X 值”和“Y 值”输入框分别输入以逗号分隔的数据序列。

预测 X 是必填项吗？

不是，预测 X 是可选参数，仅在您需要根据拟合模型计算特定点的预测值时使用。

如果数据点不呈线性分布会怎样？

工具仍会计算最小二乘回归线，但 R 平方值会较低，表明线性模型可能不是该数据的最佳描述方式。

数据对的输入格式是什么？

每行输入一对数值，中间用逗号或空格分隔，例如“1, 2”或“1 2”。

API 文档

请求端点

POST /zh/api/tools/linear-regression-calculator

请求参数

参数名 类型 必填 描述
pairedData textarea 否 -
xValues text 否 -
yValues text 否 -
predictionX text 否 -
decimalPlaces number 否 -

响应格式

{
  "key": {...},
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}
JSON数据: JSON数据

AI MCP 文档

将此工具添加到您的 MCP 服务器配置中： 

{
  "mcpServers": {
    "elysiatools-linear-regression-calculator": {
      "name": "linear-regression-calculator",
      "description": "拟合简单最小二乘线性回归模型，并计算斜率、截距、R 平方和预测值",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=linear-regression-calculator",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

你可以串联多个工具，比如：`https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`，最多20个。

如果遇见问题，请联系我们：[email protected]