Math 多元线性回归的纯python代码

由于a（可能在我使用的numpy发行版中），我不能使用

numpy.linalg.lstsq

。我发现的每个统计库都不是在Python3（在Windows上）下安装的

是否有人有执行多元线性回归的纯python 3代码（我只需要Beta）

如果不是纯python，我仍然可以尝试它，如果代码碰巧没有使用与我的机器上崩溃的

numpy.linalg.lstsq

相同的C函数

---

谢谢

这是Ernesto p.Adorio使用这个matlib.py的版本。你需要他的帮助

使用以下代码查找线性回归的系数

from matlib import transpose, mattmat, vec2colmat, mat2vec, matdim, matprint 
from qr import  qr

def readdat():
    f = open('dat','r')
    x, y = [], []
    f.next()
    for line in  f:
        val = line.split()
        y.append(float(val[1]))
        x.append([float(p) for p in val[2:]])
    return x, y


def bsub(r, z):
    """ solves "R b = z", where r is triangular"""
    m, n = matdim(r)
    p, q = matdim(z)
    b = [[0] * n]
    pp, qq = matdim(b)
    for j in range(n-1, -1, -1):
        zz = z[0][j] - sum(r[j][k]*b[0][k] for k in range(j+1, n))
        b[0][j] = zz / r[j][j]
    return b

def linreg(y, x):

    # prepend x with 1
    for xx in x:
        xx.insert(0, 1.0)    

    # QR decomposition
    q, r = qr(x)

    # z = Q^T y
    z = mattmat(q, vec2colmat(y))

    # back substitute to find b in R b = z
    b = bsub(r, transpose(z))
    b = b[0]

    return b


def tester():
    # read test data
    x, y = readdat()

    # calculate coeff
    b = linreg(y, x)

    for i,coef in enumerate(b):
        print 'coef b%d: %f' % (i, coef)

if __name__ == "__main__":
    tester()

从此处获取测试数据：，如下所示

Case Y X1 X2 X3 X4 X5 X6 1 43 51 30 39 61 92 45 2 63 64 51 54 63 73 47 3 71 70 68 69 76 86 48 4 61 63 45 47 54 84 35 5 81 78 56 66 71 83 47 6 43 55 49 44 54 49 34 7 58 67 42 56 66 68 35 8 71 75 50 55 70 66 41 9 72 82 72 67 71 83 31 10 67 61 45 47 62 80 41 11 64 53 53 58 58 67 34 12 67 60 47 39 59 74 41 13 69 62 57 42 55 63 25 14 68 83 83 45 59 77 35 15 77 77 54 72 79 77 46 16 81 90 50 72 60 54 36 17 74 85 64 69 79 79 63 18 65 60 65 75 55 80 60 19 65 70 46 57 75 85 46 20 50 58 68 54 64 78 52 外壳Y X1 X2 X3 X4 X5 X6 1 43 51 30 39 61 92 45 2 63 64 51 54 63 73 47 3 71 70 68 69 76 86 48 4 61 63 45 47 54 84 35 5 81 78 56 66 71 83 47 6 43 55 49 44 54 49 34 7 58 67 42 56 66 68 35 8 71 75 50 55 70 66 41 9 72 82 72 67 71 83 31 10 67 61 45 47 62 80 41 11 64 53 53 58 58 67 34 12 67 60 47 39 59 74 41 13 69 62 57 42 55 63 25 14 68 83 83 45 59 77 35 15 77 77 54 72 79 77 46 16 81 90 50 72 60 54 36 17 74 85 64 69 79 79 63 18 65 60 65 75 55 80 60 19 65 70 46 57 75 85 46 20 50 58 68 54 64 78 52 使用示例输出（注意：这不是我的输出，示例的！！）

多重R平方0.656 剩余不锈钢738.900 标准偏差估计值7.539 系数StdError t统计量p值 常数13.182 16.746 0.787 0.445 X1 0.583 0.232 2.513 0.026 X2-0.0440.167-0.263 0.797 X3 0.329 0.219 1.501 0.157 X4-0.057 0.317-0.180 0.860 X5 0.112 0.196 0.570 0.578 X6-0.197 0.247-0.798 0.439 上面的代码打印了这个。需要更多的翻页教科书来做stdev等，但得到了我预期的系数

python linreg.py coef b0: 13.182283 coef b1: 0.583462 coef b2: -0.043824 coef b3: 0.328782 coef b4: -0.057067 coef b5: 0.111868 coef b6: -0.197083 python linreg.py 系数b0:13.182283 系数b1:0.583462 系数b2：-0.043824 系数b3:0.328782 系数b4：-0.057067 系数b5:0.111868 系数b6：-0.197083

---

做了一些网络搜索，这家伙的密码是：。这个代码似乎有效吗？若有，你们可以按照这样的教科书做回归，这应该很容易。谢谢它的工作！我刚刚用2to3工具转换成了Python 3。很高兴听到它能工作。不过，这要归功于编写这些纯python实现的家伙（Ernesto）。对我来说，即使是写那个微不足道的三角形背部替代也不像是昙花一现。这不是一个多元线性回归的案例，不是多元线性回归吗？示例中的y是标量，而不是向量。你的消息来源还说：“多元回归”@yosukesabai libs已经死了，你有其他链接吗？ python linreg.py coef b0: 13.182283 coef b1: 0.583462 coef b2: -0.043824 coef b3: 0.328782 coef b4: -0.057067 coef b5: 0.111868 coef b6: -0.197083