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)
Tags:
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
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
相关问题 更多 >
编程相关推荐