快速回归包
regressor的Python项目详细描述
回归因子
这是一个小库，它尝试快速运行简单线性回归 现代x86硬件。这使用矢量化操作来加速计算点 产品和手段。输入numpy数组需要是1D的32位浮点数组。在
因此，这比scipy.stats.linreagress，但只运行 在带AVX扩展的x86-64硬件上（截至2020年，大多数台式机和服务器）。在
安装
pip install regressor
用法
^{pr2}$性能
下面的图表比较了 这个包裹和scipy.stats.linreagress，从包含10个元素的数组开始 多达1亿个元素的阵列。这是在一个2.6GHz的Skylake CPU上运行的。 一般来说，这个软件包在 所需时间scipy.stats.linreagress. 在
可靠性
此包的回归结果匹配scipy.stats.linreagress内部 4位小数（斜率、截距、r值、p值和标准误差）。 下面的图表通过比较betas、r值和 此软件包的p值与scipy.stats.linreagress. 这些都是随机使用的 在X和Y阵列之间具有不同相关性的采样值以评估 在广泛的P值范围内的可靠性。在
我只能找到一种情况，这个包的行为与 scipy.stats.linreagress-当你用它自己回归一个小数组时，p值 自然很小。当再次倒退时，其自身略有增加 （例如array+1.2e-7），我们期望斜率和p值相同，但是截距 应按递增值上移。然而，p值可能会发散 由于浮点数的不精确性。scipy.stats.linreagress也会受到影响 但程度较低。散度只在某些输入下发生 随机数数组，在我的测试中大约有55%的运行，取决于 输入数组大小。下面是一些代码来演示这个问题：
>>>importnumpy>>>fromscipy.statsimportlinregress>>>fromregressorimportlinregressaslinreg2>>>a=numpy.array([0.49789444,0.12506859,0.75386035,0.025621228,0.00039564757,0.71248668,0.078348994,0.62318009,0.48770180],dtype=numpy.float32)>>>b=numpy.copy(a)>>>eps=numpy.finfo(numpy.float32).eps>>>linreg2(a,b)LinregressResult(slope=1.0,intercept=0.0,rvalue=1.0,pvalue=3.292585384803146e-70,stderr=0.0)>>>linreg2(a,b+eps)LinregressResult(slope=0.9999999999999959,intercept=9.271833784074701e-08,rvalue=0.9999999999999959,pvalue=1.4627920285341798e-50,stderr=3.425878486341894e-08)>>>linregress(a,b)LinregressResult(slope=1.0,intercept=0.0,rvalue=1.0,pvalue=3.292585384803146e-70,stderr=0.0)>>>linregress(a,b+eps)LinregressResult(slope=1.0,intercept=1.1920928955078125e-07,rvalue=1.0,pvalue=3.292585384803146e-70,stderr=0.0)
只有当输入数组至少有9个值（和）时才会发生这种行为 对于超过50个值的数组变得无关紧要，因为这些数组有p<； 1e-323）。只有输入值完全相关，即使 一个值稍有不同，则结果非常相似。再说一遍，这是 要演示一些代码：
>>>b[0]+=eps>>>linreg2(a,b)LinregressResult(slope=1.000000020527417,intercept=-7.537115487288304e-09,rvalue=0.9999999999999909,pvalue=2.37040745003888e-49,stderr=5.100092205240057e-08)>>>linreg2(a,b)LinregressResult(slope=1.0000000205274189,intercept=2.2265206844895857e-08,rvalue=0.9999999999999918,pvalue=1.6549532101768438e-49,stderr=4.844923917880737e-08)
忽略不同的截获，回归或scipy.stats.linreagress两者都是 错了，使用倍数的每股收益慢慢收敛，但步履跳跃。在
我不会处理更大的问题，因为它只会在 回归数组是相同的，但其中一个数组也通过添加标量进行了调整 所有条目。我看不到任何情况下会发生这种情况 目的。在
- 项目
标签：
欢迎加入QQ群-->： 979659372
