Day9 You have to trust that the dots will somehow connect in your future

• Plotting regression line

继昨天画出XY关系图後，我们就会进一去想知道XY的关系式，并最好在图上画上趋势线。所以我们需要做回归的计算，然後再画到图上。

• Regression

回归的功能可以使用这个，这是目前找到最简洁完整的开源，除了线性外，还提供exponential、logarithmic、power、和polynomial，输入的资料格式为序列对的序列，另外可以设定精准度(.precision)和阶数(.order)以及周期(.period)：

const data = [[0,1],[32, 67] .... [12, 79]];
const resultLinear = regression.linear(data, {precision: 5});
const resultPoly = regression.polynomial(data, {order: 3});

输出为物件，包含回归资料(.points)、转移函数的function(.predict，回传XY的序列对)、系数(.equation，系数的序列)、判定系数(.r2)和转移函数的文字(.string)。其中要注意转移函数、系数和判定系数都会四舍五入根据设定精准度(预设是小数点下2位)，以下是linear的return为例：

    const predict = x => ([
      round(x, options.precision),
      round((gradient * x) + intercept, options.precision)]
    );
    return {
      points: data.map(point => predict(point[0])),
      predict: ,
      equation: [gradient, intercept],
      r2: round(determinationCoefficient(data, points), options.precision),
      string: intercept === 0 ? `y = ${gradient}x` : `y = ${gradient}x + ${intercept}`,
    };

• Plotting

算完回归的公式後，接下是将结果画在图上，我们建立一个给chart的回归资料组，其中在scatter要连线需将showLine设为true，borderDash为设定成虚线，其中序列中的数值对应有和无的长度，而borderWidth和radius分别是线宽和标记点的半径，我这边是分别把它设小一点以及设0让点不见：

  const newDataset = {
    label: "Regression Line", //data-label
		borderColor: "rgb(0, 0, 0)",
		backgroundColor: "rgb(0, 0, 0)",
		data: [{x: xMin, y: regressParameter[0] * xMin + regressParameter[1]}, {x: xMax, y: regressParameter[0] * xMax + regressParameter[1]}], //data
    showLine: true,
    borderWidth: 1,
    borderDash: [10, 5],
    radius: 0
  }

成果如下：