python - 特征具有固定系数的多元线性回归

Question

具有两个特征的线性回归可以通过以下方程描述:

y = a1x1 + a2x2 + 截距

拟合多元线性回归将求解系数a1和a2。考虑以下代码:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn import linear_model

file = 'https://aegis4048.github.io/downloads/notebooks/sample_data/unconv_MV_v5.csv'
df = pd.read_csv(file)[['Por', 'Perm', 'Prod']]

features = df[['Por', 'Perm']].values.reshape(-1,2)
target = df['Prod']

ols = linear_model.LinearRegression()
model = ols.fit(features, target)
predicted = model.predict(features)

coef = model.coef_

pd.DataFrame(coef, index=['Por', 'Perm'], columns=['Regression Coef']).round(2)

>>>         Regression Coef
    Por              244.47
    Perm              97.75

这两个功能是Por和Perm。我想将 Perm 的回归系数值固定为某个固定值，并仅求解 Por 的系数。我怎样才能在Python中做到这一点？

Answer 1

假设Por是a2。一旦将a2的值设置为固定值A2，那么线性回归将简化为y(a1) = a1x1 + (A2x2 +截距)。因此，您可以简单地求解简单线性回归y(a1) = a1x1 +拦截_new，其中intercept_new已经考虑将Por设置为一个常数值。