使用numpy的有损多项式回归

手头的问题是我需要一个数学方法来模拟一组x，y值的符号。具体来说，我知道有方法使用多项式回归，但是，如果我只关心值的符号（+/-），是否有更简单的方法？我现在这样做的方法：使用numpy的有损多项式回归

import numpy 
numpy.polyfit(x_bytearray,y_bytearray)

不过，我只关心结果是否给了我一个正值当y_bytearray值为正，负的，如果y_bytearray值为负。无论如何，除了最小二乘法之外，还有什么方法来修改polyfit代码以使用不同的加权方法？

编辑 X的符号是符号（X）= X/ABS（X）（-1或1）和拟合的多项式或其他表达式必须仅满足要求，即符号（y_bytearray [I]） == sign（computed_y [i]）。

对不起没有清楚：输入曲线y（） - > plusorminus（任何x，或只有x在x_bytearray中）？你能举一个好/坏plusminus（）的例子吗？ – denis 2012-07-22 08:19:24

听起来像你想要的东西像泊松回归。 – talonmies 2012-07-22 17:59:51

为什么会这样？如果对于一些建模函数p（x）<0，其中y_bytearray [x] <0并且p（x）> 0，其中y_bytearray [x]> 0，我显然最终得到了有意义的近似值。多项式回归不一定是线性的。 – 2012-07-26 04:32:16

最小二乘法很受欢迎，因为它很简单易于计算。还有很多其他可能的方法，但它们不太可能在图书馆中实施，所以你必须自己做。

另一个需要研究的问题是二元分类。有很多分类方法，但其中最好的是随机森林。

2012-07-22 05:02:33 Antimony

回答