Linear Regression API

Lineare Regression nach der Methode der kleinsten Quadrate als API, lokal und deterministisch berechnet. Der lineare Endpunkt passt die beste Gerade y = a + b·x durch eine Menge von x/y-Datenpunkten mittels gewöhnlicher kleinster Quadrate an und gibt die Steigung b = Σ((x−x̄)(y−ȳ))/Σ(x−x̄)², den Achsenabschnitt a = ȳ − b·x̄, die gebrauchsfertige Gleichung, den Pearson-Korrelationskoeffizienten r und das Bestimmtheitsmaß R² (den Anteil der Varianz, den die Linie erklärt) sowie die Residuen- und Steigungsstandardfehler zurück — die Punkte (1,2),(2,4),(3,5),(4,4),(5,5) werden an y = 2.2 + 0.6·x mit R² = 0.6 angepasst, und ein perfekt linearer Satz ergibt R² = 1. Übergeben Sie ein predict_x, und es extrapoliert auch den angepassten Wert an diesem Punkt. Der predict-Endpunkt wertet y = intercept + slope·x für eine bekannte Linie aus. Die x- und y-Listen können als kommagetrennte Werte (x=1,2,3&y=2,4,5) oder als JSON-Arrays in einem POST-Body übergeben werden und müssen gleich lang sein. Alles wird lokal und deterministisch berechnet, daher ist es sofort und privat. Ideal für App-Entwickler in den Bereichen Datenwissenschaft, Analytik, Business Intelligence, Prognose, maschinelles Lernen (Vorverarbeitung) und Statistikausbildung sowie für Trendlinien- und Best-Fit-Tools und Dashboards. Reine lokale Berechnung — kein Schlüssel, kein Drittanbieterdienst, sofort. Live, nichts wird gespeichert. 2 Endpunkte. Dies ist die Regressionslinie; für die alleinige Pearson-Korrelation oder deskriptive Statistiken verwenden Sie eine Statistik-API und für Wahrscheinlichkeitsverteilungen eine Wahrscheinlichkeits-API.