python中多输出的有效回归

Question

假设我有一个预测器数组x=numpy.array(n,px)和一个预测数组y=numpy.array(n, py) 在python中，计算从x到y的每个维度（1…py）的所有回归（线性）的最佳方法是什么？ 整个过程的输出将是一个矩阵（py，px）（对于每个输出，px参数）。在

当然，我可以很容易地迭代输出维（对于每一个计算正常的单输出多变量输入OLS），但是这将是低效的，因为我将重新计算x的伪逆矩阵

有没有有效的实施方法？ 找不到任何（也找不到http://wiki.scipy.org/Cookbook/OLS）

Answer 1

我认为scikit-learn已经做到了，所以我查看了source code，发现它们使用了scipy.linalg.lstsq（参见第379行）。在

根据the docs，scipy版本的lstsq确实接受一个矩阵作为b参数。（实际上numpy version也接受一个矩阵值。）

也许这就是你要找的？在

Answer 2

的fit（）方法sklearn.linear_模型.LinearRegression接受多目标输出，因此现在在sklearn中以本机方式处理。只需使用二维数组来计算形状（n个样本，n个目标）的拟合（X，y）的y值。在