private void btnLinearRegression_Click(object sender, EventArgs e) { regression = new LinearRegression(); List <double> x = new List <double>(); List <double> y = new List <double>(); // TODO 1: Ucitati i isparsirati skup podataka iz lines u x i y foreach (string line in lines) { string[] elements = line.Split(','); // csv file split by , (comma) x.Add(double.Parse(elements[28])); // numDeadRelations y.Add(double.Parse(elements[31])); // popularity } // TODO 4.1: Izvršiti linearnu regresiju na primeru predviđanja stope // smrtnosti od raka kože na osnovu geografske širine američkih država. regression.fit(x.ToArray(), y.ToArray()); // TODO 4.2: Izvršiti predikciju stope mortaliteta za vrednost geografske širine od tačno 37 for (double i = 5.0; i <= 15.0; i += 5.0) { double regressionResult = regression.predict(i); Console.WriteLine("Prediktovana popularnost lika sa " + i + " numDeadRelations-a je: " + regressionResult + "\n\n"); } // draw regresiion line on a chart drawRegressionResults(x, y); }
private void btnLinearRegression_Click(object sender, EventArgs e) { regression = new LinearRegression(); List <double> x = new List <double>(); List <double> y = new List <double>(); // TODO 1: Ucitati i isparsirati skup podataka iz lines u x i y foreach (string line in lines) { string[] elements = line.Split(','); // csv file split by , (comma) //Console.WriteLine(elements[4]); x.Add(double.Parse(elements[3], CultureInfo.InvariantCulture)); // take Lat attribute as x value y.Add(double.Parse(elements[4], CultureInfo.InvariantCulture)); // take Mort attribute as y value } // TODO 4.1: Izvršiti linearnu regresiju na primeru predviđanja stope // smrtnosti od raka kože na osnovu geografske širine američkih država. regression.fit(x.ToArray(), y.ToArray()); // TODO 4.2: Izvršiti predikciju stope mortaliteta za vrednost geografske širine od tačno 37 double regressionResult = regression.predict(7.1); Console.WriteLine("Prediktovana vrednost col_4 za vredonst col_3 od 7.1 je " + regressionResult + "\n\n"); regressionResult = regression.predict(7.4); Console.WriteLine("Prediktovana vrednost col_4 za vredonst col_3 od 7.4 je " + regressionResult + "\n\n"); regressionResult = regression.predict(8.5); Console.WriteLine("Prediktovana vrednost col_4 za vredonst col_3 od 8.5 je " + regressionResult + "\n\n"); // draw regresiion line on a chart drawRegressionResults(x, y); }
private void btnLinearRegression_Click(object sender, EventArgs e) { regression = new LinearRegression(); //OVO DOLE MORA DA SE ZNA NA KOLOKVIJUMU (Linearna regresija kao najlaksi zadatak) List <double> x = new List <double>(); //X je nezavisna promenljiva, y je zavisna promenlji, od x zavisi y List <double> y = new List <double>(); // TODO 1: Ucitati i isparsirati skup podataka iz lines u x i y foreach (string line in lines) { string[] elements = line.Split(','); // Splitujemo csv fajl po zarezima x.Add(double.Parse(elements[1])); //uzimamo latitude atribut kao x vrednost (geografska pozicija jug-sever) y.Add(double.Parse(elements[2])); //uzimamo mortaliti atribut kao y vrednost (stopa smrtnosti) } // TODO 4.1: Izvršiti linearnu regresiju na primeru predviđanja stope smrtnosti od raka kože na osnovu geografske širine američkih država. regression.fit(x.ToArray(), y.ToArray()); // TODO 4.2: Izvršiti predikciju stope mortaliteta za vrednost geografske širine od tačno 37 double regressionResult = regression.predict(37.0); Console.WriteLine("Prediktovana vrednost za geografsku sirinu od 37 je " + regressionResult + "\n"); // draw regresiion line on a chart drawRegressionResults(x, y); }
private void btnLinearRegression_Click(object sender, EventArgs e) { regression = new LinearRegression(); List <double> x = new List <double>(); List <double> y = new List <double>(); // TODO 1: Ucitati i isparsirati skup podataka iz lines u x i y foreach (string red in lines) { string[] elementi = red.Split(','); // nas delimitar u csv fajlu je bio , x.Add(double.Parse(elementi[1])); // kolonu Lat uzimamo kao x-vrednost y.Add(double.Parse(elementi[2])); // kolonu Mort uzimamo kao y-vrednost } // TODO 4.1: Izvršiti linearnu regresiju na primeru predviđanja stope smrtnosti od raka kože na osnovu geografske širine američkih država. regression.fit(x.ToArray(), y.ToArray()); // TODO 4.2: Izvršiti predikciju stope mortaliteta za vrednost geografske širine od tačno 37 double rezultatRegresije = regression.predict(37.0); Console.WriteLine("Prediktovana vrednost za geografsku sirinu od 37 je " + rezultatRegresije + "\n\n"); // draw regresiion line on a chart drawRegressionResults(x, y); }
private void btnLinearRegression_Click(object sender, EventArgs e) { regression = new LinearRegression(); List <double> x = new List <double>(); List <double> y = new List <double>(); // TODO 1: Ucitati i isparsirati skup podataka iz lines u x i y // TODO 4: Izvršiti linearnu regresiju na primeru predviđanja stope // smrtnosti od raka kože na osnovu geografske širine američkih država. // draw regresiion line on a chart drawRegressionResults(x, y); }
private void btnLinearRegression_Click(object sender, EventArgs e) { regression = new LinearRegression(); List <double> x = new List <double>(); List <double> y = new List <double>(); // TODO 1: Ucitati i isparsirati skup podataka iz lines u x i y foreach (String item in lines) { String[] curr = item.Split(','); x.Add(double.Parse(curr[1].Replace('.', ','))); y.Add(double.Parse(curr[2].Replace('.', ','))); } // TODO 4: Izvršiti linearnu regresiju na primeru predviđanja stope // smrtnosti od raka kože na osnovu geografske širine američkih država. regression.fit(x.ToArray(), y.ToArray()); // draw regresiion line on a chart drawRegressionResults(x, y); }