是否可以使用 NumPy 在 Python 中执行多变量回归？
此处的文档表明确实如此，但我找不到有关该主题的更多详细信息。
问问题
7440 次
3 回答
3
是的，从http://www.scipy.org/Cookbook/OLS下载这个（ http://www.scipy.org/Cookbook/OLS?action=AttachFile&do=get&target=ols.0.2.py）
或者您可以安装 R 和 python-R 链接。R 可以做任何事情。
于 2010-05-10T06:58:46.597 回答
2
您链接到的网页提到numpy.linalg.lstsq以找到最小化的向量 x |b - Ax|。这是一个如何使用它的小例子：
首先我们设置一些“随机”数据：
import numpy as np
c1,c2 = 5.0,2.0
x = np.arange(1,11)/10.0
y = c1*np.exp(-x)+c2*x
b = y + 0.01*max(y)*np.random.randn(len(y))
A = np.column_stack((np.exp(-x),x))
c,resid,rank,sigma = np.linalg.lstsq(A,b)
print(c)
# [ 4.96579654 2.03913202]
于 2010-05-10T00:00:55.393 回答
1
您可能想查看该scipy.optimize.leastsq功能。这相当复杂，但我似乎记得当我想做多元回归时，我会考虑这样做。（时间久了，可能记错了）
于 2010-05-09T23:15:10.490 回答