python - python中多个输出的有效回归

Question

假设我有预测器数组x=numpy.array(n,px)和预测数组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？整个事情的输出将是一个矩阵（py，px）（对于每个输出，px 参数）。

我当然可以轻松地迭代输出维度（对于每个计算正常的单输出多元输入 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？找不到任何（http://wiki.scipy.org/Cookbook/OLS都没有）

Answer 1

我想scikit-learn已经这样做了，所以我查看了源代码并发现它们使用了scipy.linalg.lstsq（参见第 379 行）。

根据文档，该scipy版本lstsq确实接受矩阵作为b参数。（实际上numpy 版本也接受矩阵值。）

也许这些就是你要找的？

Answer 2

sklearn.linear_model.LinearRegression 的 fit() 方法接受多目标输出，因此现在在 sklearn 中本地处理。只需对形状 (n_samples, n_targets) 的 fit(X,y) 的 y 值使用二维数组。