Можно ли выполнять многовариантную регрессию в Python с помощью NumPy?Многовариантная регрессия с использованием NumPy в Python?
Документация here предполагает, что это так, но я не могу найти более подробную информацию по этой теме.
Да, скачать этот (http://www.scipy.org/Cookbook/OLS?action=AttachFile&do=get&target=ols.0.2.py) от http://www.scipy.org/Cookbook/OLS
Или вы можете установить R и ссылку python-R. R может сделать ничего.
Возможно, вы захотите изучить функцию scipy.optimize.leastsq. Это довольно сложно, но я, кажется, помню, что это то, на что я хотел бы обратить внимание, когда хотел сделать многомерный регресс. (Это было какое-то время, так что я мог бы забыть)
Веб-страница, на которую вы ссылались, упоминает numpy.linalg.lstsq, чтобы найти вектор x , который сводит к минимуму |b - Ax|. Вот несколько примеров того, как он может быть использован:
Сначала мы установки некоторые «случайные» данные:
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]
В настоящее время я использую R, но я рассматривал возможность вычисления только python для удобства обмена. – djq
Это не работает (я изменил его, чтобы он соответствовал Python 3, поэтому он запускается, но самый первый тест разбил интерпретатор Python без сообщения об ошибке). Кто-нибудь знает, как его обновить? – max