1
我想解决多元线性回归方程为矢量X与米元件,同时我有Ñ观察,ÿ。如果我假设测量有高斯随机错误。我如何使用python解决这个问题?我的问题是这样的:求解线性回归方程为稀疏矩阵
的W¯¯当米= 5,如下给出一个简单的例子:
P.S.我想考虑错误的影响,正是我想测量错误的标准偏差。
我想解决多元线性回归方程为矢量X与米元件,同时我有Ñ观察,ÿ。如果我假设测量有高斯随机错误。我如何使用python解决这个问题?我的问题是这样的:求解线性回归方程为稀疏矩阵
的W¯¯当米= 5,如下给出一个简单的例子:
P.S.我想考虑错误的影响,正是我想测量错误的标准偏差。
你可以像下面这样做
def myreg(W, Y):
from numpy.linalg import pinv
m, n = Y.shape
k = W.shape[1]
X = pinv(W.T.dot(W)).dot(W.T).dot(Y)
Y_hat = W.dot(X)
Residuals = Y_hat - Y
MSE = np.square(Residuals).sum(axis=0)/(m - 2)
X_var = (MSE[:, None] * pinv(W.T.dot(W)).flatten()).reshape(n, k, k)
Tstat = X/np.sqrt(X_var.diagonal(axis1=1, axis2=2)).T
return X, Tstat
演示
W = np.array([
[ 1, -1, 0, 0, 1],
[ 0, -1, 1, 0, 0],
[ 1, 0, 0, 1, 0],
[ 0, 1, -1, 0, 1],
[ 1, -1, 0, 0, -1],
])
Y = np.array([2, 4, 1, 5, 3])[:, None]
X, V = myreg(W, Y)
@ kmario23我有** w^**和** **Ÿ,我想估计** X **和错误。 – Dalek
一种方法可能是找到'W'的伪逆并乘以等式。 – kmario23
@ kmario23它是在这种情况下,我认为没有测量的不确定性 – Dalek