Python 拟合多重分布

我有一种情况，两个或多个nd数组，带有一些系数，应该加起来（大致）成为第三个数组

array1*c1 + array2*c2 ... = array3

---

我正在寻找使前两个数组最接近的

c1

和

c2

。我确信在scipy中存在这样做的方法，但我不确定从哪里开始。是否有具体的模块我应该开始

这只是线性回归(http://en.wikipedia.org/wiki/Ordinary_least_squares)

让矩阵

A

be具有

array1、array2、…

将向量

a

设为

array3

并将

x

设为列向量

[c1，c2，…]”

您想解决问题

min{x}（Ax-a）^2

求导数并将其设置为零将得到

0=A'Ax-A'A

，这将给出解决方案

x=（A'A）^{-1}A'A

在numpy中，这是

numpy.linalg.solve（numpy.dot（A.T，A），numpy.dot（A.T，A））

为您解决这个问题。该函数的面向对象包装器以及更高级的回归模型在和中都可用

---

（免责声明：我是一名scikit学习开发人员，因此这不是有史以来最公正的建议。）

不确定如何实现，但请查看scipy中的

optimize.fsolve

。制作一个返回

array3-array1*c1+array2*c2（…）

的函数，因为fsolve找到根（即，其中function=0），并通过初始猜测传递fsolve此函数。您可能必须在返回之前对数组求和，这可能会导致不良行为，例如，数组包含相等的+ve和-ve值。因此，这只是一个建议。允许错误与数组值关联的东西也会有所帮助，我假设后面的选项会这样做？@Shep：你这是什么意思？基本上是在寻找一种方法来加权我拟合的值。但也许这是另一个问题，你的意思是每个样本的重量，它决定了它对发现的功能有多大的影响？我认为scikit中的一些回归学习者可以做到这一点，但我不确定它们对您有多有用（我更喜欢分类而不是回归）。权重在分类中也绝对重要，所以我假设它存在。