Python中具有正系数的线性回归答案

【问题标题】：Linear Regression with positive coefficients in PythonPython中具有正系数的线性回归
【发布时间】：2016-06-29 10:30:06
【问题描述】：

我正在尝试找到一种方法来拟合具有正系数的线性回归模型。

我找到的唯一方法是sklearn's Lasso model，它有一个positive=True 参数，但不建议使用alpha=0（意味着对权重没有其他限制）。

你知道另一种模式/方法/方法吗？

【问题讨论】：

【解决方案1】：

许多函数可以保持具有正系数的线性回归模型。

scipy.optimize.nnls可以解决以上问题。
scikit-learn LinearRegression 可以设置参数positive=True来解决这个问题。而且，sklearn 还使用 scipy.optimize.nnls。有趣的是，您可以学习如何在源代码中编写多个目标输出。
此外，如果您想求解带有变量界限的线性最小二乘法。你可以看到lsq_linear 。

【讨论】：

【解决方案2】：

从 0.24 版开始，scikit-learn LinearRegression 包含一个类似的参数 positive，它就是这样做的；来自docs：

肯定：bool，默认=False

当设置为True 时，强制系数为正。仅密集数组支持此选项。

0.24 版中的新功能。

【讨论】：

【解决方案3】：

IIUC，这是scipy.optimize.nnls可以解决的问题，可以做非负最小二乘。

求解 argmin_x || Ax - b ||_2 表示 x>=0。

在您的情况下，b 是 y，A 是 X，而 x 是 β（系数），但除此之外，它是一样的，不是吗？

【讨论】：