用Numpy最小二乘迴歸矩陣

如果這個答案已經在我無法找到的地方回答，請隨時向論壇打我一巴掌。用Numpy最小二乘迴歸矩陣

我在計算N-1矩陣中N×M矩陣和一組已知的地面實況解的最小二乘線性迴歸。從那裏，我想獲得每個迴歸的斜率，截距和殘值。基本思想是，我知道應該爲每行中的N個樣本預測它的實際值，並且我想使用殘差確定M列中的哪組預測值是最準確的。

我沒有描述矩陣好，所以這裏有一個圖紙：

(N,M) matrix with predicted values for each row N 
in each column of M... 

##NOTE: Values of M and N are not actually 4 and 3, just examples 
    4 columns in "M" 
    [1, 1.1, 0.8, 1.3] 
    [2, 1.9, 2.2, 1.7] 3 rows in "N" 
    [3, 3.1, 2.8, 3.3] 


(1,N) matrix with actual values of N 


    [1] 
    [2] Actual value of each sample N, in a single column 
    [3]

如此反覆，爲了清楚起見，我在找計算（N，M）中的每一列之間的lstsq迴歸矩陣和（1，N）矩陣。

例如，

之間

[1] and [1] 
[2]  [2] 
[3]  [3]

然後迴歸

之間

[1] and [1.1] 
[2]  [1.9] 
[3]  [3.1]

等，輸出的斜率，截距和標準對計算出的各回歸誤差（平均殘差）迴歸。

到目前爲止，在numpy/scipy文檔和'網絡中，我只找到一次計算一列的例子。我原以爲numpy的還必須計算在一組每列迴歸與標準

np.linalg.lstsq(arrayA,arrayB)

的能力，但返回錯誤

ValueError: array dimensions must agree except for d_0

我需要的列拆分爲自己的陣列，然後一次計算一個？有沒有一個參數或矩陣操作，我需要使用numpy計算每列獨立的迴歸？

我覺得應該更簡單嗎？我把它看了一遍，我似乎無法找到任何人做類似的事情。

來源

2012-07-10 jelegans

你說你的矩陣是（N，M）（1，N）。 Lstsq期望（N，M）和（N），你是否嘗試使用arrayB的轉置？雖然（LinAlgError：不兼容的維），我得到了一個稍微不同的例外，我使用Python2.7，與numpy1.6 – Dhara 2012-07-10 17:35:04

也許你換了A和B？

我以下工作：

A=np.random.rand(4)+np.arange(3)[:,None] 
# A is now a (3,4) array 
b=np.arange(3) 
np.linalg.lstsq(A,b)

來源

2012-07-10 16:33:02 tillsten

arrayB的0號尺寸必須一樣arrayA的0號尺寸（參考：的np.linalg.lstsq官方文檔）。您需要尺寸爲(N, M) and (N, 1)或(N, M) and (N)的矩陣，而不是您現在使用的(N,M) and (1,N)矩陣。

請注意，(N, 1)和N維矩陣將給出相同的結果 - 但陣列的形狀將不同。

我得到一個稍微不同的異常由你，但可能是由於不同的版本（我使用Python 2.7，numpy的1.6在Windows上）：

>>> A = np.arange(12).reshape(3, 4) 
>>> b = np.arange(3).reshape(1, 3) 

>>> np.linalg.lstsq(A,b) 
# This gives "LinAlgError: Incompatible dimensions" exception 

>>> np.linalg.lstsq(A,b.T) 
# This works, note that I am using the transpose of b here

來源

2012-07-10 17:52:39 Dhara

用Numpy最小二乘迴歸矩陣

回答

相關問題