python-3.x - 如何进行线性拟合，其中我的变量 X 是 3d 向量？

Question

我需要进行如下线性拟合:

Y=a*X+b

我需要找到符合实验数据的a和b的值 我首先想到的是使用 polyfit 函数， 但问题是在我的数据中，X 是一个有 3 个条目的向量，

这是我的代码:

p_0=np.array([10,10,10])
p_1=np.array([100,10,10])
p_2=np.array([10,100,10])
p_3=np.array([10,10,100])

# Experimental data:
x=np.array([p_0,p_1,p_2,p_3])
y=np.array([35,60,75,65])

a=np.polyfit(x, y,1)
print(a)

我期待打印一个列表列表，其中包含矩阵和矩阵 b ...但我得到了 TypeError("expected 1D vector for x")

有没有办法用 numpy 或其他库来做到这一点？

Answer 1

sklearn 可用于此目的:

import numpy as np
from sklearn.linear_model import LinearRegression

model = LinearRegression()

p_0=np.array([10,10,10])
p_1=np.array([100,10,10])
p_2=np.array([10,100,10])
p_3=np.array([10,10,100])

# Experimental data:
x=np.array([p_0,p_1,p_2,p_3])
y=np.array([35,60,75,65])

model.fit(X=x, y=y)

print("coeff: ", *model.coef_)
print("intercept: ", model.intercept_)

输出:

coeff:  0.27777777777777785 0.44444444444444464 0.33333333333333337
intercept:  24.444444444444436

sklearn 包的其他一些不错的功能:

model.fit(x,y) # 1.0
model.rank_ # 3
model.predict([[1,2,3]]) # array([26.61111111])