【问题标题】:Weighted Non-negative Least Square Linear Regression in python [closed]python中的加权非负最小二乘线性回归[关闭]
【发布时间】:2016-03-20 09:52:38
【问题描述】:

我知道有一个weighted OLS solver,还有一个 constrained OLS solver.

有没有将两者结合起来的套路?

【问题讨论】:

    标签: python scipy linear-regression statsmodels


    【解决方案1】:

    您可以通过修改 Xy 输入来模拟 OLS 加权。在 OLS 中,您解决 β

    XtX β = Xty.

    在加权 OLS 中,you solve

    XtX W β = Xt W y

    其中 W 是具有非负项的对角矩阵。因此存在 W0.5,您可以将其表述为

    (X W0.5)t(XW0.5) β = (X W0.5)t(XW0.5) y,

    这是 X W0.5W0.5 y 的 OLS 问题。


    因此,通过修改输入,您可以使用不直接识别权重的非负约束系统。

    【讨论】:

    • 谢谢。我确实考虑过这一点,但是如果使用常数项,它就不是等价的,不是吗?
    • @RAY 上面哪里假设 X 的一列不是常数 1?
    • 你是对的。我认为我上面的评论来自未能认识到有和没有不断回归的完全等效性。在我看来,我还希望对误差的平方而不是观察值进行加权,但我意识到我总是可以使用我预期权重的 sqrt 对观察结果进行加权
    猜你喜欢
    • 1970-01-01
    • 2018-06-02
    • 2015-05-17
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2012-04-28
    • 1970-01-01
    • 2019-05-14
    相关资源
    最近更新 更多