如何在Python中添加回归函数，或根据给定系数创建新的回归函数？

Question

我有一个回归函数，g1(x) = 5x - 1，这是针对一个数据点的。还有另一个回归函数，g2(x) = 3x + 4。

我想把这两个模型结合起来，创建一个最终的回归模型，叫做G(x)。

这意味着：

G(x) = g1(x) + g2(x) 
=> 5x - 1 + 3x + 4
=> 8x +3 

我的问题是，怎么在Python中做到这一点？如果我的数据集是X，我使用statsmodels像这样：

import statsmodels.api as sm
from statsmodels.sandbox.regression.predstd import wls_prediction_std
import numpy as np

mod_wls = sm.WLS(y, X)
res_wls = mod_wls.fit()
print res_wls.params

这样可以给我回归函数的系数，这些系数适合数据X。为了把这两个函数加起来，我可以很容易地拿到每个函数的系数，然后把它们加起来，得到一个新的回归函数的系数，比如G(x)。但是现在我得到了自己的系数，怎么把它们转换成一个回归函数，并用它们来预测新的数据呢？因为据我所知，模型必须“拟合”到数据上，才能用于预测。

或者有没有办法直接把回归函数加起来？因为在我的算法中，我会逐步添加这些函数。

Answer 1

这个模型生成的预测结果应该是完全准确的。

np.dot(X_test, res_wls.params)

所以，如果你想把几个模型的结果加在一起，比如说：

summed_params = np.array([res_wls.params for res_wls in all_my_res_wls]).sum(axis=0)

你的预测结果应该是：

np.dot(X_test, summed_params)

在这种情况下，就不需要使用估计器内置的函数了。