Python'da çok değişkenli doğrusal regresyon

Çok değişkenli doğrusal regresyon uygulayan bir Python paketi arıyorum.

(Terminolojik not: çok değişkenli regresyon, birden fazla bağımlı değişkenin olduğu durumla , çoklu regresyon, bir bağımlı değişkenin, ancak birden fazla bağımsız değişkenin olduğu durumla ilgilidir.)

Yine de sklearn.linear_model.LinearRegression kullanabilirsiniz . Çıktıyı ybağımlı değişkenleriniz kadar sütun içeren bir matris yapmanız yeterlidir . Doğrusal olmayan bir şey istiyorsanız, farklı temel işlevleri deneyebilir, polinom özelliklerini kullanabilir veya regresyon için farklı bir yöntem kullanabilirsiniz (NN gibi).

Sadece eğlence için tuples oluşturarak özelliği elle hesaplayabilirsiniz $seq =(d_1,...,d_N)$ öyle ki $Sum(seq) = \sum^N_{i=1} \leq D$. Bu tuplleri oluşturduktan sonra her bir giriş mevcut ham özelliğin yükseltilmesi gereken gücü gösterir. Yani söyle$(1,2,3)$ monomiali eşler $x_1 x_2^2 x_3^3$.

Tuples almak için kod:

def generate_all_tuples_for_monomials(N,D):
    if D == 0:
        seq0 = N*[0]
        sequences_degree_0 = [seq0]
        S_0 = {0:sequences_degree_0}
        return S_0
    else:
        # S_all = [ k->S_D ] ~ [ k->[seq0,...,seqK]]
        S_all = generate_all_tuples_for_monomials(N,D-1)# S^* = (S^*_D-1) U S_D
        print(S_all)
        #
        S_D_current = []
        # for every prev set of degree tuples
        #for d in range(len(S_all.items())): # d \in [0,...,D_current]
        d = D-1
        d_new = D - d # get new valid degree number
        # for each sequences, create the new valid degree tuple
        S_all_seq_for_deg_d = S_all[d]
        for seq in S_all[d]:
            for pos in range(N):
                seq_new = seq[:]
                seq_new[pos] = seq_new[pos] + d_new # seq elements dd to D
                if seq_new not in S_D_current:
                    S_D_current.append(seq_new)
        S_all[D] = S_D_current
        return S_all

lineer cebiri biliyorsanız regresyon yapmak kolay olmalıdır.

c = pseudo_inverse(X_poly)*y

misal. Genellemeye ilgi duyuyorsanız, düzenli doğrusal regresyon yapmak muhtemelen daha iyidir.

İçin Teşekkür Yuval CS alışverişidir yardım için.