由于bug(可能在我使用的numpy发行版中),我不能使用numpy.linalg.lstsq
。我发现每个统计库都没有安装在python 3下(在Windows上)。多元线性回归的纯Python代码
有人有纯粹的python 3代码,将执行多重线性回归(我只需要贝塔斯)?
如果不是纯粹的python,我仍然可以尝试,如果可能代码碰巧不使用相同的C函数,在我的机器上崩溃numpy.linalg.lstsq
。
谢谢!
由于bug(可能在我使用的numpy发行版中),我不能使用numpy.linalg.lstsq
。我发现每个统计库都没有安装在python 3下(在Windows上)。多元线性回归的纯Python代码
有人有纯粹的python 3代码,将执行多重线性回归(我只需要贝塔斯)?
如果不是纯粹的python,我仍然可以尝试,如果可能代码碰巧不使用相同的C函数,在我的机器上崩溃numpy.linalg.lstsq
。
谢谢!
这里是由Ernesto P. Adorio使用matlib.py的版本。从他身上,你需要
线性回归的以下这些代码中找到_系数
from matlib import transpose, mattmat, vec2colmat, mat2vec, matdim, matprint
from qr import qr
def readdat():
f = open('dat','r')
x, y = [], []
f.next()
for line in f:
val = line.split()
y.append(float(val[1]))
x.append([float(p) for p in val[2:]])
return x, y
def bsub(r, z):
""" solves "R b = z", where r is triangular"""
m, n = matdim(r)
p, q = matdim(z)
b = [[0] * n]
pp, qq = matdim(b)
for j in range(n-1, -1, -1):
zz = z[0][j] - sum(r[j][k]*b[0][k] for k in range(j+1, n))
b[0][j] = zz/r[j][j]
return b
def linreg(y, x):
# prepend x with 1
for xx in x:
xx.insert(0, 1.0)
# QR decomposition
q, r = qr(x)
# z = Q^T y
z = mattmat(q, vec2colmat(y))
# back substitute to find b in R b = z
b = bsub(r, transpose(z))
b = b[0]
return b
def tester():
# read test data
x, y = readdat()
# calculate coeff
b = linreg(y, x)
for i,coef in enumerate(b):
print 'coef b%d: %f' % (i, coef)
if __name__ == "__main__":
tester()
从这里拿了测试数据:Multiple Regression in Data Mining,这看起来像
Case Y X1 X2 X3 X4 X5 X6 1 43 51 30 39 61 92 45 2 63 64 51 54 63 73 47 3 71 70 68 69 76 86 48 4 61 63 45 47 54 84 35 5 81 78 56 66 71 83 47 6 43 55 49 44 54 49 34 7 58 67 42 56 66 68 35 8 71 75 50 55 70 66 41 9 72 82 72 67 71 83 31 10 67 61 45 47 62 80 41 11 64 53 53 58 58 67 34 12 67 60 47 39 59 74 41 13 69 62 57 42 55 63 25 14 68 83 83 45 59 77 35 15 77 77 54 72 79 77 46 16 81 90 50 72 60 54 36 17 74 85 64 69 79 79 63 18 65 60 65 75 55 80 60 19 65 70 46 57 75 85 46 20 50 58 68 54 64 78 52
与样品输出(注意:这不是我输出,示例性的!!)
Multiple R-squared 0.656 Residual SS 738.900 Std. Dev. Estimate 7.539 Coefficient StdError t-statistic p-value Constant 13.182 16.746 0.787 0.445 X1 0.583 0.232 2.513 0.026 X2 -0.044 0.167 -0.263 0.797 X3 0.329 0.219 1.501 0.157 X4 -0.057 0.317 -0.180 0.860 X5 0.112 0.196 0.570 0.578 X6 -0.197 0.247 -0.798 0.439
上述代码印刷这一点。需要更多的翻转教科书去做stdev等,但得到了我期望的coeffs的数字。
python linreg.py coef b0: 13.182283 coef b1: 0.583462 coef b2: -0.043824 coef b3: 0.328782 coef b4: -0.057067 coef b5: 0.111868 coef b6: -0.197083
感谢它的工作!我只是使用2to3工具来转换为Python 3. – max 2011-12-16 17:07:07
做了一些网络搜索,并且这家伙有qr分解编码:http://adorio-research.org/wordpress/?p=184。这段代码似乎有效吗?如果是的话,你可以通过按照这样的教科书http://www.stat.wisc.edu/~larget/math496/qr.html来简化回归。 – yosukesabai 2011-12-16 05:01:01