Python中的递归最小二乘法

Question

我对Python很陌生并尝试使RLS过滤器工作。我有一个简单的线性预测回归d = b*x + v我希望通过一次合并一个d的数据来递归估计x，并将过滤器估算的误差测量到实际值d。在线过滤器示例如下所示：

N = 500

x = np.random.normal(0, 1, (N, 4)) # input matrix

v = np.random.normal(0, 0.1, N) # noise

d = 2*x[:,0] + 0.1*x[:,1] - 4*x[:,2] + 0.5*x[:,3] + v # target identification

f = pa.filters.FilterRLS(n=4, mu=0.1, w="random")

y, e, w = f.run(d, x)

但是我该怎么做呢？我没有x的矩阵，我只有一个带有一个自变量的简单回归。为什么我需要提供噪音v，这是我想从滤镜中获得的？我想提供x和d的实际数据作为输入。