Python中具有正系数的线性回归

Question

我试图找到一种方法来拟合具有正系数的线性回归模型。

我找到的唯一方法是sklearn's Lasso model，它有正=真参数，但不建议使用alpha = 0（意味着没有其他权重约束）。

您知道其他模型/方法/方法吗？

由于

Answer 1

IIUC，这是一个可以通过scipy.optimize.nnls解决的问题，它可以做非负最小二乘法。

  

解决argmin_x || Ax - b || _2 for x＆gt; = 0。

在您的情况下， b 是 y ， A 是 X ， x 是β（系数），但是，它是相同的，不是吗？

Answer 2

许多函数可以保持正系数的线性回归模型。

1. scipy.optimize.nnls 可以解决上述问题。
2. scikit-learn LinearRegression 可以设置参数 positive=True 来解决这个问题。而且，sklearn 还使用 scipy.optimize.nnls。有趣的是，您可以学习如何在源代码中编写多个目标输出。
3. 此外，如果您想求解具有变量边界的线性最小二乘法。你可以看到lsq_linear 。

Answer 3

从 0.24 版本开始，scikit-learn LinearRegression 包含一个类似的参数 positive，它正是这样做的；来自docs：

<块引用>

positive : bool, default=False

当设置为 True 时，强制系数为正。此选项仅适用于密集数组。

0.24 版中的新功能。