我正在使用Python 2.7和Scikit-learn來使用多重線性迴歸擬合數據集，其中不同術語相乘而不是像sklearn.linear_models.Ridge一樣添加在一起。使用Python/Sklearn創建並擬合乘法線性迴歸
所以不是
y = c1 * X1 + c2 * X2 + c3 * X3 + ...
我們需要
y = c1 * X1 * c2 * X2 * c3 * X3...
我們可以使Python和Sklearn，以適應和預測這種乘法/享樂迴歸模型？
我認爲你應該可以通過操作你的輸入數據集（數據矩陣）來進行常規線性迴歸。
迴歸Y〜C1 * X1 * C2 * X2 * ...相當於Y〜K *（X1 * X2 * ...），其中k爲某個常數
所以，如果你乘的所有將設計矩陣中的值集中在一起，然後對此進行倒退，我認爲你應該能夠做到這一點。
即，如果您的數據矩陣X是4 x 1000且具有特徵X1，X2，X3和X4，則使用預處理步驟創建一個新矩陣X_new，即1 x 1000，其中單列等於X1 * X2 * X3 * X4，然後擬合y〜X_new（clf = LinearRegression（），clf.fit（X_new，y））
+1;不要忘記以完全相同的方式預處理測試數據。 – 2013-08-18 19:15:54
這是您需要的。 X是所有X值的矩陣。
Y是所有Y值的矩陣或向量。
度是您允許公式的最高度數。就像X^2有兩個一樣的程度，而X1^2 * X2^3的程度是5.你需要自己決定。
from sklearn.preprocessing import PolynomialFeatures
from sklearn import linear_model
poly = PolynomialFeatures(degree=degree)
X_ = poly.fit_transform(X)
model = linear_model.LinearRegression(fit_intercept=True)
model.fit(X_, Y)
hmmmm我想我最近可能做了類似的事情。你能發佈更多關於你如何應用這些信息以及數據是什麼樣的信息嗎？ – 2013-05-05 03:56:32