用GIRLS理解scipy最小二乘函数

时间:2013-10-27 23:33:23

标签: python numpy scipy

我在理解这个功能是如何工作方面遇到了一些麻烦。

a, b = scipy.linalg.lstsq(X, w*signal)[0]

我知道信号是代表信号的数组,目前w只是[1,1,1,1,1...]

我应该如何操纵Xw模仿加权最小二乘法或迭代重新加权最小二乘?

2 个答案:

答案 0 :(得分:11)

如果您使用sqrt(权重)生成X和y,则可以计算加权最小二乘法。 您可以通过以下链接获取公式:

http://en.wikipedia.org/wiki/Linear_least_squares_%28mathematics%29#Weighted_linear_least_squares

这是一个例子:

准备数据:

import numpy as np
np.random.seed(0)
N = 20
X = np.random.rand(N, 3)
w = np.array([1.0, 2.0, 3.0])
y = np.dot(X, w) + np.random.rand(N) * 0.1

OLS:

from scipy import linalg
w1 = linalg.lstsq(X, y)[0]
print w1

输出:

[ 0.98561405  2.0275357   3.05930664]

WLS:

weights = np.linspace(1, 2, N)
Xw = X * np.sqrt(weights)[:, None]
yw = y * np.sqrt(weights)
print linalg.lstsq(Xw, yw)[0]

输出:

[ 0.98799029  2.02599521  3.0623824 ]

通过statsmodels检查结果:

import statsmodels.api as sm
mod_wls = sm.WLS(y, X, weights=weights)
res = mod_wls.fit()
print res.params

输出:

[ 0.98799029  2.02599521  3.0623824 ]

答案 1 :(得分:5)

W的元素方根创建对角矩阵w。然后我想你只想:

scipy.linalg.lstsq(np.dot(W, X), np.dot(W*signal))

关注http://en.wikipedia.org/wiki/Linear_least_squares_(mathematics)#Weighted_linear_least_squares