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);
}
