Question

为什么这段代码不起作用？我想做多元回归。四种形式的方程式：

Ax + By + c = d

A + 2B + C = 0.2 etc.

A = np.array([[ 0.,  1, 1.],
   [ 1.,  2, 1.],
   [ 2.,  3, 1.],
   [ 3.,  4, 1.]])

y = np.array([-1, 0.2, 0.9, 2.1])
m, c = np.linalg.lstsq(A, y)[0]
print m, c

我做错了什么？

Answer 1

我假设您从m, c = np.linalg.lstsq(A, y)[0] example获取了lstsq行。
在这个例子中，他们用一个变量和常数来解决线性回归问题。结果，此问题的np.linalg.lstsq(A, y)返回四元素元组(array([ 1. , -0.95]), array([ 0.05]), 2, array([ 4.10003045, 1.09075677]))（第一个元素 - 解，第二个 - 残差，第三个 - 系数矩阵秩，最后一个元素 - 系数矩阵的奇异值）。因此，np.linalg.lstsq(A, y)[0]（在示例中）返回带有两个元素的数组，这两个元素可以按照它们执行的方式解压缩：m, c = np.linalg.lstsq(A, y)[0]（m = 1., c = -0.95）。

您正在使用两个变量和常量来解决回归问题。因此，np.linalg.lstsq(A, y)[0]将返回包含三个元素的数组，如果您想按照示例中的方式解压缩，可以这样做：

x1, x2, c = np.linalg.lstsq(A, y)[0]

但更方便的方式是（在我看来）：

x, residuals, rank, s = np.linalg.lstsq(A, y) #lstsq func always return four-element tuple

print 'solution is %s.' % str(x)
print 'matrix A rank is %d.' % rank
print 'residuals are %s.' % str(residuals)
print 'singular values of A are %s.' % str(s)

print 'first variable is %f.' % x[0]
print 'second variable is %f.' % x[1]
print 'constant is %f.' % x[2]

Python最小二乘回归qs

1 个答案: