python - python中的加权非负最小二乘线性回归

标签 python scipy linear-regression statsmodels

<分区>

我知道有一个 weighted OLS solver , 和一个 constrained OLS solver .

是否有结合两者的套路?

最佳答案

您可以通过修改 Xy 输入来模拟 OLS 加权。在 OLS 中,您解决 β 的问题

XtX β = Xty

在加权 OLS 中,you solve

XtX W β = Xt W y

其中 W 是具有非负项的对角矩阵。因此 W0.5 存在,您可以将其表示为

(X W0.5)t(XW0.5) β = (X W0.5)<支持>t(XW0.5) y,

这是 X W0.5W0.5 y 的 OLS 问题。


因此,通过修改输入,您可以使用不直接识别权重的非负约束系统。

关于python - python中的加权非负最小二乘线性回归,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36112290/

相关文章:

Python:优化.leastsq。 ValueError:具有多个元素的数组的真值不明确

R 不绘制回归线

R:计算多个变量的行向 lm()

python - Matplotlib:在多个线程中同时绘图

python - Selenium Python 绑定(bind)无法将变量传递到函数中

python - 对 csr 格式的 scipy 稀疏矩阵中的行的操作

python - 在 scikit-learn 中向文本向量化器添加新词

Python:仅使用 1 个外生变量执行数百万个简单线性回归的最快方法

python - spark 中 null 和 NaN 之间的区别?如何处理?

python - 如何查询名称包含python列表中任何单词的模型?