scipy 和 numpy 都有最小二乘估计,但在阅读文档后我有点困惑。
所以,我的问题是经典回归,我试图找到两对值之间的最佳矩阵变换。所以有些形式:
Ax = b
在这里,我知道 x 和 b。 A 有 9 个独特的分量,x 和 b 是 3D 向量。所以,我至少需要3分。因此,3 个不共线的 x 和 b,我拥有它们,我可以创建一个 3x3 连接的 x 和 b 向量。
但是,从文档中,我看到它是为求解 A 和 b 已知的系统而设计的。所以我们求解 x。假设 A 是可逆的,这意味着:
x = A(-1)b (-1) indicating the inverse or pseudo inverse.
就我而言,解决方案变为
A = b x(-1)
我想知道我是否仍然可以以某种方式使用内置的 numpy 机器进行我的设置。
最佳答案
看看这个:
Ax = b
x^TA^T = b^T
其中A^T
表示A
的转置。现在定义符号 Ap=x^T
和 Xp = A^T
和 bp=b^T
,你的问题就变成了:
Ap Xp = bp
这正是您可以用最小二乘法处理的形式
关于python - 使用 numpy 和 scipy 在 python 中进行最小二乘估计,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27921902/