Go Gonum stat 怎样拟合一元线性回归

如果你手里有两组等长的数值样本，想用 Go 得到一条最适合它们的直线，Gonum 的 stat.LinearRegression 可以直接返回截距 alpha 和斜率 beta，对应模型 y = alpha + beta*x。默认传入 nil 权重即可按普通最小二乘拟合；只有业务明确要求“某些样本更重要”时才传入权重。

官方地址：https://pkg.go.dev/gonum.org/v1/gonum/stat

LinearRegression 需要哪些输入

一元线性回归把每个 x[i] 看成输入，把对应的 y[i] 看成观测结果。Gonum 会寻找一条让加权残差平方和最小的直线：

y = alpha + beta*x

函数签名是 stat.LinearRegression(x, y, weights, origin)。其中 x 和 y 长度必须相等；weights 可以是 nil，也可以是与样本等长的权重切片；origin 为真时会强制 alpha 为零。

先用 nil 权重拟合普通直线

最小的工程用法是准备两组等长切片，保留截距，并把返回值命名为容易读懂的 alpha 和 beta。下面的示例只表达调用关系与参数边界：

package main

import (
    "fmt"

    "gonum.org/v1/gonum/stat"
)

func main() {
    x := []float64{1, 2, 3, 4, 5}
    y := []float64{2.1, 4.0, 6.2, 7.9, 10.1}

    // nil 表示所有样本同权；false 表示不强制直线经过原点。
    alpha, beta := stat.LinearRegression(x, y, nil, false)

    // 用返回的截距和斜率表达拟合直线，便于交给后续预测逻辑。
    fmt.Printf("拟合直线：y = %.3f + %.3f*x\n", alpha, beta)
}

这里的 alpha 是 x=0 时直线的估计值，beta 表示 x 增加一个单位时，模型输出平均变化多少。示例数据的轻微偏差会进入残差，不要把每个样本都要求落在直线上。

origin 和 weights 什么时候需要改变

origin 不是“让结果更准确”的开关，而是模型假设。如果业务定义决定当 x=0 时 y 必须也是零，例如某个量严格按比例从零开始，可以传入 true；否则保留截距通常更稳妥，避免把本来存在的基线偏移硬塞进斜率。

weights 用于表达样本的重要程度。传入后，切片长度必须与 x、y 一致；它不应该被用来“调出想要的斜率”，而应来自采样可靠性、观测精度或业务约定：

// 观测精度不同，才为样本设置不同权重。
weights := []float64{1, 1, 2, 2, 3}
alpha, beta := stat.LinearRegression(x, y, weights, false)

// 只有模型理论上必须过原点时，才使用 origin=true。
originAlpha, originBeta := stat.LinearRegression(x, y, nil, true)
fmt.Println(alpha, beta, originAlpha, originBeta)

这两个调用代表两种不同的建模假设，不能只比较哪个数值更“好看”。如果传入权重，解释结果时也要说明样本贡献已经不再相同。

从 alpha、beta 到 R²

得到直线参数后，可以用 stat.RSquared 计算观测值与拟合值之间的拟合度。调用时仍然使用同一组 x、y、weights，并把刚刚得到的 alpha、beta 传入：

// 使用与拟合相同的权重，保持指标和模型口径一致。
r2 := stat.RSquared(x, y, weights, alpha, beta)
fmt.Printf("R² = %.4f\n", r2)

R² 更适合回答“这条直线在当前样本中解释了多少变化”，不等于“x 导致了 y”。样本范围太窄、遗漏关键变量、异常点过多时，即使数值看起来不错，也需要回到数据采集和模型假设重新判断。

把拟合结果用于工程读数时的边界

在数据管道里，建议同时保存样本范围、权重口径、origin 选择和 R² 计算口径。这样后续换数据或调整采样策略时，读者能分清是趋势变化，还是模型约束变化。

常见问题

LinearRegression 会自动检查 x 和 y 长度吗？

官方文档要求两者等长；调用前应在数据入口完成对齐和边界处理，不要把错误数据交给统计函数。

为什么不直接把 origin 设置为 true？

因为这会固定截距为零，只有业务或物理规律确实要求模型经过原点时才成立，否则可能把基线偏移错误地归入斜率。

R² 越高就一定越适合上线吗？

不一定。R² 只描述当前样本上的拟合程度，还要结合样本范围、异常点、权重来源和是否存在因果依据判断。