首页 文章

Python中的约束线性回归

提问于
浏览
16

我有一个形式的classic linear回归问题:

y = X b

其中 y 是响应向量 X 是输入变量的矩阵, b 是我正在搜索的拟合参数的向量 .

Python提供 b = numpy.linalg.lstsq( X , y ) 来解决此形式的问题 .

但是,当我使用它时,我倾向于为 b 的组件获得极大或极小的值 .

我想执行相同的拟合,但将 b 的值限制在0到255之间 .

看起来 scipy.optimize.fmin_slsqp() 是一个选项,但我发现它对我感兴趣的问题的大小非常缓慢( X 类似 3375 by 1500 ,希望更大) .

  • 是否还有其他Python选项可用于执行约束最小二乘拟合?

  • 或者是否有用于执行Lasso Regression或Ridge回归的python例程或其他一些惩罚大 b 系数值的回归方法?

3 回答

相关问题