使用statsmodel约束OLS (或WLS)系数
使用statsmodel约束OLS (或WLS)系数
提问于 2020-11-17 05:36:35
我有一个model = sm.GLM(y, X, w = weight)形式的回归。
这最终是一个简单的加权OLS。(请注意，将w指定为错误权重数组实际上与sm.WLS在sm.GLM中的工作方式相同，尽管文档中没有它)。
我使用GLM是因为它允许我使用fit_constrained()来适应一些额外的约束。我的X由6个独立变量组成，其中2个我想将结果系数限制为正。但是我似乎找不出让fit_constrained()工作的语法。文档极其空洞，我在任何地方都找不到任何好的例子。我真正需要的是输入这些约束的正确语法。谢谢!
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-12-11 02:39:52
你看到的函数是用于linear constraints的，也就是你的系数的组合满足一些线性等式，而不是用来定义边界。
你能得到的最接近的方法是使用scipy least squares并定义边界，例如，我们设置了一些具有6个系数的数据集：
from scipy.optimize import least_squares
import numpy as np
np.random.seed(100)
x = np.random.uniform(0,1,(30,6))
y = np.random.normal(0,2,30)基本的矩阵乘法和返回错误的函数：
def fun(b, x, y):
return b[0] + np.matmul(x,b[1:]) - y第一个系数是截距。假设我们要求第二个和第六个总是为正：
res_lsq = least_squares(fun, [1,1,1,1,1,1,1], args=(x, y),
bounds=([-np.inf,0,-np.inf,-np.inf,-np.inf,-np.inf,0],+np.inf))然后我们检查结果：
res_lsq.x
array([-1.74342242e-01, 2.09521327e+00, -2.02132481e-01, 2.06247855e+00,
-3.65963504e+00, 6.52264332e-01, 5.33657765e-20])页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/64866085
复制相关文章
相似问题
腾讯云开发者
