Question

我正忙于练习numpy，其中一个问题被卡住了。这是问题：
定义函数multivariate_lr，该函数实现多元线性回归。该函数有两个参数：矩阵MxN（M行，N个预测变量）和矩阵MxK（M行，K个目标）。该函数应返回系数矩阵NxK：因此，第k列包含第k个目标的系数向量。

对于此任务，您不应该适合截距。具有预测矩阵X和目标矩阵Y的多元线性回归的OLS估算器由定义系数B的矩阵的以下公式给出： $$ B =（X ^ T X）^ {-1} X ^ T Y $$ 该功能应如何工作：

# Example input data
X = numpy.array([[1, -2.9,  1.5], 
                 [1, -0.4,  2.8], 
                 [1, -4.2,  0.9], 
                 [1, -0.7,  2.6], 
                 [1, -1.5,  2.8], 
                 [1,  2.0,  3.6]])
Y = numpy.array([[1.6, -1.6, 1], 
                 [3.2, -3.2, 3],
                 [5.2, -5.2, 5],
                 [2.7, -2.7, 2],
                 [4.3, -4.3, 4],
                 [-2.3, 2.3, -2]])
coef = multivariate_lr(X, Y)
print(coef)

Example output:
[[-11.27451756  11.27451756 -10.79724219]
 [ -2.82477335   2.82477335  -2.63993926]
 [  4.26734863  -4.26734863   4.04619161]]

我尝试使用该模型：从sklearn.linear_model导入LinearRegression 但这没用

任何帮助都很好

两个矩阵参数的多元函数

0 个答案: