我正在努力寻找b1,b2和b3的系数。我的模型有3个自变量x1,x2和x3和一个因变量y。
x1,x2,x3,y
89,4,3.84,7
66,1,3.19,5.4
78,3,3.78,6.6
111,6,3.89,7.4
44,1,3.57,4.8
77,3,3.57,6.4
80,3,3.03,7
66,2,3.51,5.6
109,5,3.54,7.3
76,3,3.25,6.4
我想使用矩阵方法找出b1,b2和b3的系数。在本教程中,我遵循的b1值为0.0141,b2为0.383,b3为-0.607。
当我尝试对包含x1,x2,x3值的矩阵求逆时,我不确定如何实现上述值。
raise LinAlgError('Last 2 dimensions of the array must be square')
numpy.linalg.linalg.LinAlgError: Last 2 dimensions of the array must be square
请有人帮助我求解此矩阵,以便获得所需的值。
答案 0 :(得分:0)
以矩阵形式,回归系数由
给出 function CalculatePolygonArea($coordinates) {
$area = 0;
$coordinatesCount = sizeof($coordinates);
if ($coordinatesCount > 2) {
for ($i = 0; $i < $coordinatesCount - 1; $i++) {
$p1 = $coordinates[$i];
$p2 = $coordinates[$i + 1];
$p1Longitude = $p1[0];
$p2Longitude = $p2[0];
$p1Latitude = $p1[1];
$p2Latitude = $p2[1];
$area += ConvertToRadian($p2Longitude - $p1Longitude) * (2 + sin(ConvertToRadian($p1Latitude)) + sin(ConvertToRadian($p2Latitude)));
}
$area = $area * 6378137 * 6378137 / 2;
}
return abs(round(($area));
}
function ConvertToRadian($input) {
$output = $input * pi() / 180;
return $output;
}
是您的预测变量数据矩阵,而x
是结果值的向量
在python(numpy)中,看起来像这样:
y
在数据上使用以下系数:
import numpy as np
b = np.dot(x.T, x)
b = np.linalg.inv(b)
b = np.dot(b, x.T)
b = np.dot(b, y)
这些值与预期的输出不匹配,这是因为所遵循的教程还必须对截距进行建模。为此,我们在数据矩阵中添加一列,如下所示:
0.0589514 , -0.25211869, 0.70097577
现在,我们获得了预期的回归系数(加上截距的附加值):
x.insert(loc=0, column='x0', value=np.ones(10))
x0 x1 x2 x3
0 1.0 89 4 3.84
1 1.0 66 1 3.19
2 1.0 78 3 3.78
3 1.0 111 6 3.89
4 1.0 44 1 3.57
5 1.0 77 3 3.57
6 1.0 80 3 3.03
7 1.0 66 2 3.51
8 1.0 109 5 3.54
9 1.0 76 3 3.25