数据挖掘 - 多维输入和输出的多元线性回归？ - 吾爱随笔录

多维输入和输出的多元线性回归？

数据挖掘 Python scikit-学习回归线性回归

2021-10-09 05:31:16

假设我有 $N$ 积分 $x_i,i=1,...,N$ 在一些 $A>1$ 维空间 $\mathbb{R}^A$ 对某些函数进行逐点评估 $f:\mathbb{R}^A \rightarrow \mathbb{R}^B$ ， IE $f(x_i),i=1,...,N$ 在哪里 $f(x_i) \in \mathbb{R}^B$ .

我的目标是找到之间的多元线性回归 $x_i$ 和 $f(x_i)$ . 现在sklearn 有一个函数( sklearn.linear_model.LinearRegression ) 用于该类型函数的多元线性回归 $f:\mathbb{R}^A \rightarrow \mathbb{R}$ ，但我的输出是 $B$ 维。我假设我可以对每个输出维度进行独立的多元线性回归，然后组合结果，但必须有一种更简单的方法来实现这一点。

你知道更有效的方法吗？

1个回答

您在询问多输出回归。您谈到的类 sklearn.linear_model.LinearRegression 开箱即用地支持这一点。

import numpy as np
from sklearn.linear_model import LinearRegression

# features
A = 10
# number of values to predict
B = 15
# number of rows in dataset
m = 100

x = np.ones((m, A))
y = np.ones((m, B))

model = LinearRegression()
model.fit(x, y)

sklearn.linear_model.LinearRegression 实际上只是创建 B 模型。然而，它使用矢量化优化计算。

它实际上与没有激活函数的神经网络中的全连接层完全相同。

您可以在此处阅读更多相关信息： https ://machinelearningmastery.com/multi-output-regression-models-with-python/

其它你可能感兴趣的问题

上一篇关于 (R) 主成分回归中的缩放问题下一篇如何处理仅来自一类的标签很少的半监督二元分类问题？