C++实现多元线性回归 可指定任意几元 训练给出回归方程式

#include “stdafx.h“
#include
#include 
using namespace std;

#define v_v_d vector>
#define v_d vector

// 解线性方程。data[count*（count+1）]矩阵数组；count：方程元数；
// Answer[count]：求解数组 。返回：0求解成功，-1无解或者无穷解

//重载的辅助函数
void j_memcpy（v_d::iterator  dat v_d d int n）
{
	for （int i = 0; i < n; i++）
	{
		dat[i] = d[i];
	}
}
void j_memcpy（v_d  &dat v_d d int n）
{
	for （int i = 0; i < n; i++）
	{
		dat[i] = d[i];
	}
}
void j_memcpy（v_d & dat v_d::iterator d int n）
{
	for （int i = 0; i < n; i++）
	{
		dat[i] = d[i];
	}
}
void j_memcpy（v_d::iterator  dat v_d::iterator d int n）
{
	for （int i = 0; i < n; i++）
	{
		dat[i] = d[i];
	}
}
void itSum（v_d::iterator & it int n v_d & data）
{
	int t = 0;
	while （it != data.end（） && t++ < n） it++;
}

//迭代器版本
int LinearEquationsCjj（vector &data int count double *Answer）
{
	int j m n;
	vector ::iterator d = data.begin（）;
	//double *d = data;
	double tmp;
	//double *d = data;
	vector> dat;
	dat = vector>（count）;
	//dat = （double**）malloc（count * sizeof（double*））;
	for （m = 0; m < count; m++ itSum（d count + 1 data））
	{
		dat[m] = vector（count + 1）;
		//dat[m] = （double*）malloc（（count + 1） * sizeof（double））;
		j_memcpy（dat[m] d count + 1）;
		//memcpy（dat[m] d （count + 1） * sizeof（double））;
	}
	vector jj = v_d（count + 1）;
	d = jj.begin（）;
	//d = （double*）malloc（（count + 1） * sizeof（double））;
	for （m = 0; m < count - 1; m++）
	{
		// 如果主对角线元素为0，行交换
		for （n = m + 1; n < count && dat[m][m] == 0.0; n++）
		{
			if （dat[n][m] != 0.0）
			{
				j_memcpy（d dat[m] （count + 1））;
				j_memcpy（dat[m] dat[n] （count + 1））;
				j_memcpy（dat[n] d （count + 1））;
				//memcpy（d dat[m] （count + 1） * sizeof（double））;
				//memcpy（dat[m] dat[n] （count + 1） * sizeof（double））;
				//memcpy（dat[n] d （count + 1） * sizeof（double））;
			}
		}
		// 行交换后，主对角线元素仍然为0，无解，返回-1
		if （dat[m][m] == 0.0）
		{
			//FreeData（dat d count）;
			return -1;
		}
		// 消元
		for （n = m + 1; n < count; n++）
		{
			tmp = dat[n][m] / dat[m][m];
			for （j = m; j <= count; j++）
				dat[n][j] -= tmp * dat[m][j];
		}
	}
	for （j = 0; j < count; j++）
		d[j] = 0.0;
	// 求得count - 1的元
	Answer[count - 1] = dat[count - 1][count] / dat[count - 1][count - 1];
	// 逐行代入求各元
	for （m = count - 2; m >= 0; m--）
	{
		for （j = count - 1; j > m; j--）
			d[m] += Answer[j] * dat[m][j];
		Answer[m] = （dat[m][count] - d[m]） / dat[m][m];
	}
	//FreeData（dat d count）;
	return 0;
}
// 求多元回归方程：Y = B0 + B1X1 + B2X2 + ...BnXn
// data[rows*cols]二维数组；X1iX2i...XniYi （i=0 to rows-1）
// rows：数据行数；cols数据列数；Answer[cols]：返回回归系数数组（B0B1...Bn）
// 返回值：0求解成功，-1错误
//迭代器版本
int MultipleRegressionCjj（vector &data int ro