在 Python 中使用 NumPy 进行多变量回归？答案

【问题标题】：Multi-variate regression using NumPy in Python?在 Python 中使用 NumPy 进行多变量回归？
【发布时间】：2011-02-17 11:23:32
【问题描述】：

是否可以使用 NumPy 在 Python 中执行多变量回归？

文档here 表明确实如此，但我找不到有关该主题的更多详细信息。

【问题讨论】：

标签： python regression

【解决方案1】：

是的，从 http://www.scipy.org/Cookbook/OLS 下载此 (http://www.scipy.org/Cookbook/OLS?action=AttachFile&do=get&target=ols.0.2.py)

或者您可以安装 R 和 python-R 链接。 R 可以做任何事情。

【讨论】：

我目前正在使用 R，但我正在考虑只使用 python 进行计算，以便于共享。
它不再起作用（我将其更改为符合 Python 3，所以它运行了；但是第一次测试使 Python 解释器崩溃，没有错误消息）。有人知道怎么更新吗？

【解决方案2】：

您链接到的网页提到 numpy.linalg.lstsq 以查找向量 x 最小化|b - Ax|。这是一个如何使用它的小例子：

首先我们设置一些“随机”数据：

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]

【讨论】：

【解决方案3】：

您可能想查看scipy.optimize.leastsq 函数。这相当复杂，但我似乎记得当我想做多元回归时，我会考虑这样做。（时间久了，可能记错了）

【讨论】：