Question

我有两个m维度的列表，并希望对它们进行独立的回归：

给出两个清单：

l = [[l1, l2, l3, l4, l5],[l6, l7, l8, l9, l10]...]＆安培;

n = [[n1, n2, n3, n4, n5], [n6, n7, n8, n9, n10] ...]

我想[l1, l2, l3, l4, l5] [n1, n2, n3, n4, n5]和[l6, l7, l8, l9, l10] [n6, n7, n8, n9, n10]（...），并将测试版值保存到空列表中。

我原本试图简单地使用：

regression.linear_model.OLS(l, sm.add_constant(n)).fit()

但它似乎没有表现出所需的行为。

做

[regression.linear_model.OLS(l[x], sm.add_constant(n[x]).fit() for x in range(0, len(l)]

然而运行时间太长，因为我有超过80000次回归运行。

Answer 1

这看起来像是你自负，是吗？这似乎对我来说相当快。

import numpy as np
from scipy import stats

#Simulating your data
f = lambda x: 2*x+3 + np.random.normal(0,0.5)
X = [np.random.rand(5) for i in range(80000)]
Y = [f(x) for x in X]

#Store coefficients here
models = []

#Loop through the data
for x,y in zip(X,Y):

    slope, intercept, r_value, p_value, std_err = stats.linregress(x,y)

    #Add the coefficient and the intercept to the list
    models.append([slope,intercept])

np.array(models[:5])
>>>array([[ 2.  ,  3.47],
          [ 2.  ,  2.66],
          [ 2.  ,  2.94],
          [ 2.  ,  3.01],
          [ 2.  ,  2.75]])

n-在n维列表上的回归

1 个答案: