ols
描述
普通最小二乘(OLS)回归。 用于拟合线性回归模型 y = Xβ + ε,其中β是要估计的回归系数。
函数签名
ols(x, y, calculate_r2) -> None
参数
x
(numpy.ndarray)
设计矩阵,形状为(n_samples, n_features)
y
(numpy.ndarray)
响应变量,形状为(n_samples,)
calculate_r2
(bool, optional)
是否计算R²值,默认为True
返回值
numpy.ndarray 回归系数β
Python调用示例: ```python import numpy as np from rust_pyfunc import ols
准备训练数据
X = np.array([[1, 1], [1, 2], [1, 3]], dtype=np.float64) # 包含一个常数项和一个特征 y = np.array([2, 4, 6], dtype=np.float64) # 目标变量
拟合模型
coefficients = ols(X, y) print(f"回归系数: {coefficients}") # 预期输出接近[0, 2],表示y ≈ 0 + 2x ```
示例
输入:
ols(
np.array([[1.0, 1.0], [1.0, 2.0], [1.0, 3.0]]),
np.array([2.0, 3.0, 4.0])
)
输出:
array([nan, nan, nan, nan], dtype=float64)
输入:
ols(
np.array([[1.0, 1.0], [1.0, 2.0], [1.0, 3.0]]),
np.array([2.0, 3.0, 4.0]),
False
)
输出:
array([nan, nan, nan], dtype=float64)
Python使用示例
import numpy as np
from rust_pyfunc import ols
# 使用示例
result = ols(np.array([[1.0, 1.0], [1.0, 2.0], [1.0, 3.0]]), np.array([2.0, 3.0, 4.0]))
print(f"结果: {result}")