高效迴歸

說我有預測器陣列x=numpy.array(n,px)和預測的陣列y=numpy.array(n, py) 什麼是在Python從X計算所有迴歸（線性）到y（1的每個維度的最佳方式... PY ）？整個事情的輸出將是一個矩陣（py，px）（對於每個輸出，px參數）。高效迴歸

我當然可以輕鬆地迭代輸出維度（對於每個計算正常單輸出多變量輸入OLS），但是這將是低效的，因爲我將重新計算x的僞逆矩陣。

那裏有沒有高效的實施？找不到任何（既不http://wiki.scipy.org/Cookbook/OLS）

'y'與'x'的關係如何，形式如下：'y = ax + b'？ –

我想通scikit-learn就已經做到了這一點，所以我看着source code，發現他們使用scipy.linalg.lstsq（見線379）。

根據the docs，scipy版本lstsq確實接受矩陣作爲b參數。（其實numpy version也接受矩陣值。）

也許這些是你在找什麼？

2013-08-28 05:15:20 lmjohns3

是的，我做了類似的事情：使用'numpy.linalg.lstsq' ...問題是這個缺少p值和可能性的計算。我想在scikit-learn中線性迴歸的包裝應該更新以支持將來的多個輸出 –

回答