在Python中使用NumPy进行多变量回归？

Question

是否可以使用NumPy在Python中执行多变量回归？

文档here表明它是，但我无法找到有关该主题的更多细节。

Answer 1

是，下载这个从http://www.scipy.org/Cookbook/OLS

也可以安装R（http://www.scipy.org/Cookbook/OLS?action=AttachFile&do=get&target=ols.0.2.py）和一个python-R链接。 R可以做任何东西。

Answer 2

您可能想要查看scipy.optimize.leastsq函数。这很复杂，但我似乎记得当我想进行多元回归时，这是我期待的事情。 （这是一段时间，所以我可能会误解）

Answer 3

您链接到的网页提到numpy.linalg.lstsq找到的矢量x 最小化|b - Ax|。这里是它如何被使用的一个小例子：

首先我们设置一些“随机”的数据：

import numpy as np 
c1,c2 = 5.0,2.0 
x = np.arange(1,11)/10.0 
y = c1*np.exp(-x)+c2*x 
b = y + 0.01*max(y)*np.random.randn(len(y)) 
A = np.column_stack((np.exp(-x),x)) 
c,resid,rank,sigma = np.linalg.lstsq(A,b) 
print(c) 
# [ 4.96579654 2.03913202]