在Python中使用NumPy進行多變量回歸？

Question

是否可以使用NumPy在Python中執行多變量回歸？

文檔here表明它是，但我無法找到有關該主題的更多細節。

Answer 1

是，下載這個從http://www.scipy.org/Cookbook/OLS

也可以安裝R（http://www.scipy.org/Cookbook/OLS?action=AttachFile&do=get&target=ols.0.2.py）和一個python-R鏈接。 R可以做任何東西。

Answer 2

您可能想要查看scipy.optimize.leastsq函數。這很複雜，但我似乎記得當我想進行多元迴歸時，這是我期待的事情。 （這是一段時間，所以我可能會誤解）

Answer 3

您鏈接到的網頁提到numpy.linalg.lstsq找到的矢量x 最小化|b - Ax|。這裏是它如何被使用的一個小例子：

首先我們設置一些「隨機」的數據：

import numpy as np 
c1,c2 = 5.0,2.0 
x = np.arange(1,11)/10.0 
y = c1*np.exp(-x)+c2*x 
b = y + 0.01*max(y)*np.random.randn(len(y)) 
A = np.column_stack((np.exp(-x),x)) 
c,resid,rank,sigma = np.linalg.lstsq(A,b) 
print(c) 
# [ 4.96579654 2.03913202]