Question

我使用scipy执行非负最小二乘法。一个简单的例子如下：

import numpy as np
from scipy.optimize import nnls

A = np.array([[60, 70, 120, 60],[60, 90, 120, 70]], dtype='float32')
b = np.array([6, 5])
x, res = nnls(A, b)

现在，我的情况是A或b中的某些条目可能会丢失（np.NaN）。像，

A_2 = A.copy()
A_2[0,2] = np.NaN

当然，在A_2上运行NNLS，b将无效，因为scipy不期望inf或nan。

我们如何执行NNLS屏蔽计算中丢失的条目。实际上，这应该转化为

Minimize |(A_2.x- b)[mask]|

其中mask可以定义为：

mask = ~np.isnan(A_2)

通常，A和b都可能缺少参赛作品。

可能有帮助：

[1] How to include constraint to Scipy NNLS function solution so that it sums to 1

Answer 1

我认为您可以先计算遮罩（确定要包含的点），然后再执行NNLS。给出面具

In []: mask
Out[]: 
array([[ True,  True, False,  True],
       [ True,  True,  True,  True]], dtype=bool)

您可以通过检查列中的所有值是否True沿第一轴使用np.all来验证是否包含一个点。

In []: np.all(mask, axis=0)
Out[]: array([ True,  True, False,  True], dtype=bool)

然后可以将其用作A的列掩码。

In []: nnls(A_2[:,np.all(mask, axis=0)], b)
Out[]: (array([ 0.09166667,  0.        ,  0.        ]), 0.7071067811865482)

b可以使用相同的构思来构造行掩码。

Scipy NNLS使用面具

1 个答案: