矩阵与熊猫数据帧相反

我正在试图运行下面的公式与一个数据框和一系列。矩阵与熊猫数据帧相反

设X是具有3列的数据帧。（让它成为一个100x3矩阵）。令y是矢量（100X1矩阵） X：

X0 sqrfeet bedrooms 
0 1  2104   3 
1 1  1600   3 
2 1  2400   3 
3 1  1416   2 
4 1  3000   4

Y：

我想使用的公式是： - INV（X '* X）* X' * y

这是正常方程的公式。这里X'表示X转置，inv表示反转。我已经使用的代码是： -

var= (np.linalg.inv((X.T).dot(X))) 
var2= var.dot(X.T) 
final=var2.dot(Y)

就是上面是否正确？

设X代表房屋大小和卧室数量的房地产数据而Y对应于价格。

2017-02-13 sunny

我猜你想要做的是OLS回归，看看这个：http://stackoverflow.com/questions/19991445/run-an-ols-regression-with-pandas-data-frame – FLab

我想你是这样做的学习，但以防万一：[不要反转矩阵（https://www.johndcook.com/blog/2010/01/19/dont-invert-that-matrix/）。 – chthonicdaemon

看起来你想为自己的家庭作业或个人发展推出自己的OLS估算器，在这种情况下，你走在正确的轨道上，但这里有几件事需要记住。

Pandas DataFrame对象有一个方法as_matrix()，它返回DataFrame值的numpy矩阵。非数字值将产生NaN，但上面的示例应该没问题，因为所有值都是数字。您可以尽可能多地对这些矩阵进行龙骨操作。

您需要牢记的是您的回归设计矩阵（本例中为变量X）的方向。设计矩阵是一个d * n矩阵，其中d是特征的数量，n是样本大小。 Y矩阵是一个n * 1 $矩阵。为了在正常方程式中进行矩阵乘法，您需要确保它们正确对齐。

如果你需要做大量的全功能的线性回归的，你可能要考虑建立图书馆，如StatsModels

2017-02-13 17:18:21

这很有帮助。我尝试使用StatsModels sm.OLS（Y，X）来运行我的代码，并且它为截获提供了几乎相同的值，系数1和2（我称之为theta0，theta1和2）。我正在刷机器学习。 – sunny

回答