Numpy具有np.linalg.lstsq(X,Y)形式的方便最小二乘估计来估计β,使得X_i * beta = Y_i,其中X_i是mxn矩阵,beta是长度-n行向量,Y是长度为n的列向量。Python中的增量最小二乘法
但是,如果我想反复估计beta,那么我将行添加到X并将值添加到Y?换句话说,我首先用一对(x,y)对估计beta,然后用两个(x,y)对估计beta,然后用三个(x,y)对估计beta。我可能会这样做例如,这在一个在线学习环境中。
对重复更新的X和Y重复调用np.linalg.lstsq(X,Y)将会工作,但不会使用以前的计算。这看起来很浪费。
有没有更好的方法?
你可能想看看[Dynamic Programming](https://www.codechef.com/wiki/tutorial-dynamic-programming)这种方法。 – Andrew